bytes型別和str型別

python 3最重要的新特性之一是對字串和二進位制資料流做了明確的區分。文字總是unicode，由str型別表示，二進位制資料則由bytes型別表示。python 3不會以任意隱式的方式混用str和bytes，你不能拼接字串和位元組流，也無法在位元組流裡搜尋字串（反之亦然），也不能將字串傳入引數為位元組流的函式（反之亦然）。

下面讓我們深入分析一下二者的區別和聯絡。

編碼發展的歷史

在談bytes和str之前，需要先說說關於編碼是如何發展的。。

在計算機歷史的早期，美國為代表的英語系國家主導了整個計算機行業，26個英文本母組成了多樣的英語單詞、語句、文章。因此，最早的字元編碼規範是ascii碼，一種8位即1個位元組的編碼規範，它可以涵蓋整個英語系的編碼需要。

編碼是什麼？編碼就是把乙個字元用乙個二進位制來表示。我們都知道，所有的東西，不管是英文、中文還是符號等等，最終儲存在磁碟上都是01010101這類東西。在計算機內部，讀取和儲存資料歸根結底，處理的都是0和1組成的位元流。問題來了，人類看不懂這些位元流，如何讓這些010101對人類變得可讀呢？於是出現了字元編碼，它是個翻譯機，在計算機內部某個地方，透明的幫我們將位元流翻譯**類可以直接理解的文字。對於一般使用者，不需要知道這個過程是什麼原理，是怎麼執行的。但是對於程式設計師卻是個必須搞清楚的問題。

以ascii編碼為例，它規定1個位元組8個位元位代表1個字元的編碼，也就是「00000000」這麼寬，乙個乙個位元組的解讀。例如：01000001表示大寫字母a，有時我們會「偷懶"的用65這個十進位制來表示a在ascii中的編碼。8個位元位，可以沒有重複的最多表示2的8次方(255)個字元。

後來，計算機得到普及，中文、日文、韓文等等國家的文字需要在計算機內表示，ascii的255位遠遠不夠，於是標準組織制定出了叫做unicode的萬國碼，它規定任何乙個字元（不管哪國的）至少以2個位元組表示，可以更多。其中，英文本母就是用2個位元組，而漢字是3個位元組。這個編碼雖然很好，滿足了所有人的要求，但是它不相容ascii，同時還占用較多的空間和記憶體。因為，在計算機世界更多的字元是英文本母，明明可以1個位元組就能夠表示，非要用2個。

於是utf-8編碼應運而生，它規定英文本母系列用1個位元組表示，漢字用3個位元組表示等等。因此，它相容ascii，可以解碼早期的文件。utf-8很快就得到了廣泛的應用。

在編碼的發展歷程中，我國還創造了自己的編碼方式，例如gbk，gb2312，big5。他們只侷限於在國內使用，不被國外認可。在gbk編碼中，中文漢字佔2個位元組。

bytes和str之間的異同

回到bytes和str的身上。bytes是一種位元流，它的存在形式是01010001110這種。我們無論是在寫**，還是閱讀文章的過程中，肯定不會有人直接閱讀這種位元流，它必須有乙個編碼方式，使得它變成有意義的位元流，而不是一堆晦澀難懂的01組合。因為編碼方式的不同，對這個位元流的解讀也會不同，對實際使用造成了很大的困擾。下面讓我們看看python是如何處理這一系列編碼問題的：

>>
> s =
"中文"
>>
> s
'中文'
>>
>
type
(s)<
class
'str'
>
>>
> b =
bytes
(s, encoding=
'utf-8'
)>>
> b
b'\xe4\xb8\xad\xe6\x96\x87'
>>
>
type
(b)<
class
'bytes'
>

從例子可以看出，s是個字串型別。python有個內建函式bytes()可以將字串str型別轉換成bytes型別，b實際上是一串01的組合，但為了在ide環境中讓我們相對直觀的觀察，它被表現成了b』\xe4\xb8\xad\xe6\x96\x87』這種形式，開頭的b表示這是乙個bytes型別。\xe4是十六進製制的表示方式，它占用1個位元組的長度，因此」中文「被編碼成utf-8後，我們可以數得出一共用了6個位元組，每個漢字占用3個，這印證了上面的論述。在使用內建函式bytes()的時候，必須明確encoding的引數，不可省略。

我們都知道，字串類str裡有乙個encode()方法，它是從字串向位元流的編碼過程。而bytes型別恰好有個decode()方法，它是從位元流向字串解碼的過程。除此之外，我們檢視python原始碼會發現bytes和str擁有幾乎一模一樣的方法列表，最大的區別就是encode和decode。

從實質上來說，字串在磁碟上的儲存形式也是01的組合，也需要編碼解碼。

如果，上面的闡述還不能讓你搞清楚兩者的區別，那麼記住下面兩幾句話：

在將字串存入磁碟和從磁碟讀取字串的過程中，python自動地幫你完成了編碼和解碼的工作，你不需要關心它的過程。

使用bytes型別，實質上是告訴python，不需要它幫你自動地完成編碼和解碼的工作，而是使用者自己手動進行，並指定編碼格式。

python已經嚴格區分了bytes和str兩種資料型別，你不能在需要bytes型別引數的時候使用str引數，反之亦然。這點在讀寫磁碟檔案時容易碰到。

在bytes和str的互相轉換過程中，實際就是編碼解碼的過程，必須顯式地指定編碼格式。

>>
> b
b'\xe4\xb8\xad\xe6\x96\x87'
>>
>
type
(b)<
class
'bytes'
>
>>
> s1 =
str(b)
>>
> s1
"b'\\xe4\\xb8\\xad\\xe6\\x96\\x87'"
>>
>
type
(s1)
<
class
'str'
>
>>
> s1 =
str(b, encoding=
'utf-8'
)>>
> s1
'中文'
>>
>
type
(s1)
<
class
'str'
>
我們再把字串s1，轉換成gbk編碼的bytes型別：
>>
> s1
'中文'
>>
>
type
(s1)
<
class
'str'
>
>>
> b =
bytes
(s1, encoding=
'gbk'
)>>
> b
b'\xd6\xd0\xce\xc4'
越努力越幸運

bytes型別和str型別

python3 中bytes和str型別

python中bytes和str型別的區別

Python3中的bytes和str型別

bytes型別和str型別

python3 中bytes和str型別

python中bytes和str型別的區別

Python3中的bytes和str型別

相關推薦