Python中bytes與str有什么區(qū)別

這期內容當中小編將會給大家?guī)碛嘘PPython中bytes與str有什么區(qū)別，文章內容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

bytes實例包含的是原始數(shù)據(jù)，即8位的無符號值(通常按照ASCII編碼標準來顯示)。

a = b'h\x65llo' print(list(a)) print(a) >>> [104, 101, 108, 108, 111] b'hello'

str實例包含的是Unicode碼點(code point，也叫作代碼點)，這些碼點與人類語言之中的文本字符相對應。

a = 'a\u0300 propos' print(list(a)) print(a) >>> ['a', '`', ' ', 'p', 'r', 'o', 'p', 'o', 's'] à propos

大家一定要記?。簊tr實例不一定非要用某一種固定的方案編碼成二進制數(shù)據(jù)，bytes實例也不一定非要按照某一種固定的方案解碼成字符串。

• 要把Unicode數(shù)據(jù)轉換成二進制數(shù)據(jù)，必須調用str的encode方法。

• 要把二進制數(shù)據(jù)轉換成Unicode數(shù)據(jù)，必須調用bytes的decode方法。

調用這些方法的時候，可以明確指出自己要使用的編碼方案，也可以采用系統(tǒng)默認的方案，通常是指UTF-8(但有時也不一定，下面就會講到這個問題)。

編寫Python程序的時候，一定要把解碼和編碼操作放在界面最外層來做，讓程序的核心部分可以使用Unicode數(shù)據(jù)來運作，這種辦法通常叫作Unicode三明治(Unicode  sandwich)。程序的核心部分，應該用str類型來表示Unicode數(shù)據(jù)，并且不要鎖定到某種字符編碼上面。

這樣可以讓程序接受許多種文本編碼(例如Latin-1、Shift  JIS及Big5)，并把它們都轉化成Unicode，也能保證輸出的文本信息都是用同一種標準(最好是UTF-8)編碼的。

兩種不同的字符類型與Python中兩種常見的使用情況相對應：

• 開發(fā)者需要操作原始的8位值序列，序列里面的這些8位值合起來表示一個應該按UTF-8或其他標準編碼的字符串。

• 開發(fā)者需要操作通用的Unicode字符串，而不是操作某種特定編碼的字符串。

我們通常需要編寫兩個輔助函數(shù)(helper function)，以便在這兩種情況之間轉換，確保輸入值類型符合開發(fā)者的預期形式。

第一個輔助函數(shù)接受bytes或str實例，并返回str：

def to_str(bytes_or_str):     if isinstance(bytes_or_str, bytes):         value = bytes_or_str.decode('utf-8')     else:         value = bytes_or_str     return value  # Instance of str  print(repr(to_str(b'foo'))) print(repr(to_str('bar'))) >>> 'foo' 'bar'

第二個輔助函數(shù)也接受bytes或str實例，但它返回的是bytes：

def to_bytes(bytes_or_str):     if isinstance(bytes_or_str, str):         value = bytes_or_str.encode('utf-8')     else:         value = bytes_or_str     return value  # Instance of bytes  print(repr(to_bytes(b'foo'))) print(repr(to_bytes('bar')))

在Python中使用原始的8位值與Unicode字符串時，有兩個問題要注意。

第一個問題是，bytes與str這兩種類型似乎是以相同的方式工作的，但其實例并不相互兼容，所以在傳遞字符序列的時候必須考慮好其類型。

可以用+操作符將bytes添加到bytes，str也可以這樣。

print(b'one' + b'two') print('one' + 'two') >>> b'onetwo' onetwo

但是不能將str實例添加到bytes實例：

b'one' + 'two' >>> Traceback ... TypeError: can't concat str to bytes

也不能將bytes實例添加到str實例：

'one' + b'two' >>> Traceback ... TypeError: can only concatenate str (not "bytes") to str

bytes與bytes之間可以用二元操作符(binary operator)來比較大小，str與str之間也可以：

assert b'red' > b'blue' assert 'red' > 'blue'

但是str實例不能與bytes實例比較：

assert 'red' > b'blue'

反過來也一樣，也就是說bytes實例不能與str實例比較：

assert b'blue' < 'red'

判斷bytes與str實例是否相等，總是會評估為假(False)，即便這兩個實例表示的字符完全相同，它們也不相等。例如，在下面這個例子里，它們表示的字符串都相當于ASCII編碼之中的foo。

print(b'foo' == 'foo') >>> False

兩種類型的實例都可以出現(xiàn)在%操作符的右側，用來替換左側那個格式字符串(format string)里面的%s。

print(b'red %s' % b'blue') print('red %s' % 'blue') >>> b'red blue' red blue

如果格式字符串是bytes類型，那么不能用str實例來替換其中的%s，因為Python不知道這個str應該按照什么方案來編碼。

print(b'red %s' % 'blue')

但反過來卻可以，也就是說如果格式字符串是str類型，則可以用bytes實例來替換其中的%s，問題是，這可能跟你想要的結果不一樣。

print('red %s' % b'blue') >>> red b'blue'

這樣做，會讓系統(tǒng)在bytes實例上面調用__repr__方法，然后用這次調用所得到的結果替換格式字符串里的%s，因此程序會直接輸出b'blue'，而不是像你想的那樣，輸出blue本身。

第二個問題發(fā)生在操作文件句柄的時候，這里的句柄指由內置的open函數(shù)返回的句柄。這樣的句柄默認需要使用Unicode字符串操作，而不能采用原始的bytes。習慣了Python  2的開發(fā)者，尤其容易碰到這個問題，進而導致程序出現(xiàn)奇怪的錯誤。例如，向文件寫入二進制數(shù)據(jù)的時候，下面這種寫法其實是錯誤的。

with open('data.bin', 'w') as f:     f.write(b'\xf1\xf2\xf3\xf4\xf5') >>> Traceback ... TypeError: write() argument must be str, not bytes

程序發(fā)生異常是因為在調用open函數(shù)時，指定的是'w'模式，所以系統(tǒng)要求必須以文本模式寫入。如果想用二進制模式，那應該指定'wb'才對。在文本模式下，write方法接受的是包含Unicode數(shù)據(jù)的str實例，不是包含二進制數(shù)據(jù)的bytes實例。所以，我們得把模式改成'wb'來解決該問題。

with open('data.bin', 'wb') as f:     f.write(b'\xf1\xf2\xf3\xf4\xf5')

讀取文件的時候也有類似的問題。例如，如果要把剛才寫入的二進制文件讀出來，那么不能用下面這種寫法。

with open('data.bin', 'r') as f:     data = f.read()

程序出錯，是因為在調用open函數(shù)時指定的是'r'模式，所以系統(tǒng)要求必須以文本模式來讀取。若要用二進制格式讀取，應該指定'rb'。以文本模式操縱句柄時，系統(tǒng)會采用默認的文本編碼方案處理二進制數(shù)據(jù)。

所以，上面那種寫法會讓系統(tǒng)通過bytes.decode把這份數(shù)據(jù)解碼成str字符串，再用str.encode把字符串編碼成二進制值。然而對于大多數(shù)系統(tǒng)來說，默認的文本編碼方案是UTF-8，所以系統(tǒng)很可能會把b'\xf1\xf2\xf3\xf4\xf5'當成UTF-8格式的字符串去解碼，于是就會出現(xiàn)上面那樣的錯誤。為了修正錯誤，需要把模式改成'rb'。

with open('data.bin', 'rb') as f:     data = f.read()  assert data == b'\xf1\xf2\xf3\xf4\xf5'

另一種改法是在調用open函數(shù)的時候，通過encoding參數(shù)明確指定編碼標準，以確保平臺特有的一些行為不會干擾代碼的運行效果。例如，假設剛才寫到文件里的那些二進制數(shù)據(jù)表示的是一個采用'cp1252'標準(cp1252是一種老式的Windows編碼方案)來編碼的字符串，則可以這樣寫：

with open('data.bin', 'r', encoding='cp1252') as f:     data = f.read()  assert data == 'ñòóôõ'

這樣程序就不會出現(xiàn)異常了，但返回的字符串也與讀取原始字節(jié)數(shù)據(jù)所返回的有很大區(qū)別。通過這個例子，我們要提醒自己注意當前操作系統(tǒng)默認的編碼標準(可以執(zhí)行  python3 -c 'import locale; print(

locale.getpreferredencoding())'命令查看)，了解它與你所期望的是否一致。如果不確定，那就在調用open時明確指定encoding參數(shù)。

要點

• bytes包含的是由8位值所組成的序列，str包含的是由Unicode碼點所組成的序列。

• 我們可以編寫輔助函數(shù)來確保程序收到的字符序列確實是期望要操作的類型(要知道自己想操作的到底是Unicode碼點，還是原始的8位值。用UTF-8標準給字符串編碼，得到的就是這樣的一系列8位值)。

• bytes與str這兩種實例不能在某些操作符(例如>、==、+、%操作符)上面混用。

• 從文件中讀取二進制數(shù)據(jù)(或者把二進制數(shù)據(jù)寫入文件)時，應該用'rb'('wb')這樣的二進制模式打開文件。

• 如果要從文件中讀取(或者要寫入文件之中)的是Unicode數(shù)據(jù)，那么必須注意系統(tǒng)默認的文本編碼方案。若無法肯定，可通過encoding參數(shù)明確指定。

上述就是小編為大家分享的Python中bytes與str有什么區(qū)別了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業(yè)資訊頻道。