bytes實(shí)例包含的是原始數(shù)據(jù)，即8位的無符號(hào)值(通常按照ASCII編碼標(biāo)準(zhǔn)來顯示)。

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

str實(shí)例包含的是Unicode碼點(diǎn)(codepoint，也叫作代碼點(diǎn))，這些碼點(diǎn)與人類語言之中的文本字符相對(duì)應(yīng)。

a='au0300propos'print(list(a))print(a)>>>['a','`','','p','r','o','p','o','s']àpropos

大家一定要記住：str實(shí)例不一定非要用某一種固定的方案編碼成二進(jìn)制數(shù)據(jù)，bytes實(shí)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(zhuǎn)換成二進(jìn)制數(shù)據(jù)，必須調(diào)用str的encode方法。

要把二進(jìn)制數(shù)據(jù)轉(zhuǎn)換成Unicode數(shù)據(jù)，必須調(diào)用bytes的decode方法。

調(diào)用這些方法的時(shí)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(rèn)的方案，通常是指UTF-8(但有時(shí)也不一定，下面就會(huì)講到這個(gè)問題)。

編寫Python程序的時(shí)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(yùn)作，這種辦法通常叫作Unicode三明治(Unicodesandwich)。程序的核心部分，應(yīng)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、ShiftJIS及Big5)，并把它們都轉(zhuǎn)化成Unicode，也能保證輸出的文本信息都是用同一種標(biāo)準(zhǔn)(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(duì)應(yīng)：

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(gè)應(yīng)該按UTF-8或其他標(biāo)準(zhǔn)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(gè)輔助函數(shù)(helperfunction)，以便在這兩種情況之間轉(zhuǎn)換，確保輸入值類型符合開發(fā)者的預(yù)期形式。

第一個(gè)輔助函數(shù)接受bytes或str實(shí)例，并返回str：

defto_str(bytes_or_str):ifisinstance(bytes_or_str,bytes):value=bytes_or_str.decode('utf-8')else:value=bytes_or_strreturnvalue#Instanceofstrprint(repr(to_str(b'foo')))print(repr(to_str('bar')))>>>'foo''bar'

第二個(gè)輔助函數(shù)也接受bytes或str實(shí)例，但它返回的是bytes：

defto_bytes(bytes_or_str):ifisinstance(bytes_or_str,str):value=bytes_or_str.encode('utf-8')else:value=bytes_or_strreturnvalue#Instanceofbytesprint(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(shí)，有兩個(gè)問題要注意。

第一個(gè)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(shí)例并不相互兼容，所以在傳遞字符序列的時(shí)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(shí)例添加到bytes實(shí)例：

b'one'+'two'>>>Traceback...TypeError:can'tconcatstrtobytes

也不能將bytes實(shí)例添加到str實(shí)例：

'one'+b'two'>>>Traceback...TypeError:canonlyconcatenatestr(not"bytes")tostr

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

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

但是str實(shí)例不能與bytes實(shí)例比較：

assert'red'>b'blue'

反過來也一樣，也就是說bytes實(shí)例不能與str實(shí)例比較：

assertb'blue'<'red'

判斷bytes與str實(shí)例是否相等，總是會(huì)評(píng)估為假(False)，即便這兩個(gè)實(shí)例表示的字符完全相同，它們也不相等。例如，在下面這個(gè)例子里，它們表示的字符串都相當(dāng)于ASCII編碼之中的foo。

print(b'foo'=='foo')>>>False

兩種類型的實(shí)例都可以出現(xiàn)在%操作符的右側(cè)，用來替換左側(cè)那個(gè)格式字符串(formatstring)里面的%s。

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

如果格式字符串是bytes類型，那么不能用str實(shí)例來替換其中的%s，因?yàn)镻ython不知道這個(gè)str應(yīng)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(shí)例來替換其中的%s，問題是，這可能跟你想要的結(jié)果不一樣。

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

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

第二個(gè)問題發(fā)生在操作文件句柄的時(shí)候，這里的句柄指由內(nèi)置的open函數(shù)返回的句柄。這樣的句柄默認(rèn)需要使用Unicode字符串操作，而不能采用原始的bytes。習(xí)慣了Python2的開發(fā)者，尤其容易碰到這個(gè)問題，進(jìn)而導(dǎo)致程序出現(xiàn)奇怪的錯(cuò)誤。例如，向文件寫入二進(jìn)制數(shù)據(jù)的時(shí)候，下面這種寫法其實(shí)是錯(cuò)誤的。

withopen('data.bin','w')asf:f.write(b'?????')>>>Traceback...TypeError:write()argumentmustbestr,notbytes

程序發(fā)生異常是因?yàn)樵谡{(diào)用open函數(shù)時(shí)，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(jìn)制模式，那應(yīng)該指定'wb'才對(duì)。在文本模式下，write方法接受的是包含Unicode數(shù)據(jù)的str實(shí)例，不是包含二進(jìn)制數(shù)據(jù)的bytes實(shí)例。所以，我們得把模式改成'wb'來解決該問題。

withopen('data.bin','wb')asf:f.write(b'?????')

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

withopen('data.bin','r')asf:data=f.read()

程序出錯(cuò)，是因?yàn)樵谡{(diào)用open函數(shù)時(shí)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(jìn)制格式讀取，應(yīng)該指定'rb'。以文本模式操縱句柄時(shí)，系統(tǒng)會(huì)采用默認(rèn)的文本編碼方案處理二進(jìn)制數(shù)據(jù)。

所以，上面那種寫法會(huì)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(jìn)制值。然而對(duì)于大多數(shù)系統(tǒng)來說，默認(rèn)的文本編碼方案是UTF-8，所以系統(tǒng)很可能會(huì)把b'?????'當(dāng)成UTF-8格式的字符串去解碼，于是就會(huì)出現(xiàn)上面那樣的錯(cuò)誤。為了修正錯(cuò)誤，需要把模式改成'rb'。

withopen('data.bin','rb')asf:data=f.read()assertdata==b'?????'

另一種改法是在調(diào)用open函數(shù)的時(shí)候，通過encoding參數(shù)明確指定編碼標(biāo)準(zhǔn)，以確保平臺(tái)特有的一些行為不會(huì)干擾代碼的運(yùn)行效果。例如，假設(shè)剛才寫到文件里的那些二進(jìn)制數(shù)據(jù)表示的是一個(gè)采用'cp1252'標(biāo)準(zhǔn)(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：

withopen('data.bin','r',encoding='cp1252')asf:data=f.read()assertdata=='?òó??'

這樣程序就不會(huì)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(gè)例子，我們要提醒自己注意當(dāng)前操作系統(tǒng)默認(rèn)的編碼標(biāo)準(zhǔn)(可以執(zhí)行python3-c'importlocale;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(diào)用open時(shí)明確指定encoding參數(shù)。

要點(diǎn)

bytes包含的是由8位值所組成的序列，str包含的是由Unicode碼點(diǎn)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(shí)是期望要操作的類型(要知道自己想操作的到底是Unicode碼點(diǎn)，還是原始的8位值。用UTF-8標(biāo)準(zhǔn)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(shí)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(jìn)制數(shù)據(jù)(或者把二進(jìn)制數(shù)據(jù)寫入文件)時(shí)，應(yīng)該用'rb'('wb')這樣的二進(jìn)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(rèn)的文本編碼方案。若無法肯定，可通過encoding參數(shù)明確指定。

以上內(nèi)容為大家介紹了如何理解Python中bytes與str的區(qū)別，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。http://www.e7g2kmi.cn/