作者 | veelion
責(zé)編 | 胡巍巍
Python2的字符串有兩種：str和Unicode，Python3的字符串也有兩種：str和Bytes。Python2的str相當(dāng)于Python3的Bytes，而Unicode相當(dāng)于Python3的Bytes。
Python2里面的str和Unicode是可以混用的，在都是英文字母的時(shí)候str和unicode沒有區(qū)別。
而Python3嚴(yán)格區(qū)分文本（str）和二進(jìn)制數(shù)據(jù)（Bytes），文本總是Unicode，用str類型，二進(jìn)制數(shù)據(jù)則用Bytes類型表示，這樣嚴(yán)格的限制也讓我們對如何使用它們有了清晰的認(rèn)識(shí)，這是很棒的。
Python2 和 Python3 的區(qū)別
通過以下代碼我們認(rèn)識(shí)以下Python2和Python3的字符串混用情況：
# Python2中：In[1]:'a'== u'a'Out[1]: True
In[2]:'a'inu'a'Out[2]: True
In[3]:'編程'== u'編程'/usr/local/bin/ipython:1: UnicodeWarning: Unicode equal comparison failedtoconvert both argumentstoUnicode - interpreting themasbeing unequal#!/usr/bin/pythonOut[3]: False
In[4]:'編程'inu'編程'---------------------------------------------------------------------------UnicodeDecodeError Traceback (most recent call last)
in()
---->1'編程'inu'編程'
UnicodeDecodeError:'ascii'codec can't decode byte 0xe7 in position 0: ordinal not in range(128)
# Python3中：
In [1]: 'a' == b'a'Out[1]: False
In [2]: 'a' in b'a'---------------------------------------------------------------------------TypeError Traceback (most recent call last)
in ()
----> 1 'a' in b'a'
TypeError: a bytes-like object is required, not 'str'
以上代碼可以看到，Python2中str和Unicode在都是ASCII碼時(shí)混用沒區(qū)別，因?yàn)閁nicode的ASCII區(qū)域的值跟str的ASCII是一樣的；而對應(yīng)非ASCII區(qū)域（比如中文），二者又不一樣了。
可以看到Python2拋出了Unicode Decode Error的異常，相信這也是很多人處理文本時(shí)遇到過的錯(cuò)誤；‘編程’在str類型時(shí)長度是6，而在Unicode時(shí)是2。不同字符的不同表現(xiàn)，讓Python2的str和Unicode顯得撲朔迷離。
在Python3中，嚴(yán)格區(qū)分了str和Bytes，不同類型之間操作就會(huì)拋出Type Error的異常。
上面用示例闡述了Python2和Python3中字符串的不同，下面主要講Python3中的字符串。
str和bytes之間的轉(zhuǎn)換
一圖勝千言：
str和bytes的相互轉(zhuǎn)換
str.encode(‘encoding’) -> bytes
bytes.decode(‘encoding’) -> str
Encoding指的是具體的編碼規(guī)則的名稱，對于中文來說，它可以是這些值： ‘utf-8’, ‘gb2312’, ‘gbk’, ‘big5’ 等等。
不知道你有沒有注意到上圖中str矩形要比Bytes矩形短，表示同樣的內(nèi)容，str的長度要小于或等于Bytes的長度，你可以考慮一下原因（參考Unicode、UTF-8的編碼規(guī)則）。
下面看看具體代碼理解一下str和Bytes的相互轉(zhuǎn)換：
In[16]: a ='T恤'In[17]: a
Out[17]:'T恤'In[18]: len(a)
Out[18]:2In[19]: b = a.encode('utf8')
In[20]: b
Out[20]: b'T\xe6\x81\xa4'In[21]: a == b
Out[21]: FalseIn [22]: c = a.encode('gbk')
In[23]: c
Out[23]: b'T\xd0\xf4'In[24]: b == c
Out[24]: FalseIn [25]: a == c
Out[25]: False
上面str和Bytes之間的轉(zhuǎn)換是針對文本內(nèi)容的，要是其它二進(jìn)制內(nèi)容（比如，圖片）時(shí)，Bytes就不能decode成str了，看以下代碼的異常：
In[29]: img = open('str-bytes.jpg','rb').read()
In[30]:type(img)
Out[30]: bytes
In[31]: img.decode('utf8')
---------------------------------------------------------------------------
UnicodeDecodeError Traceback (most recent call last)
in()---->1img.decode('utf8')UnicodeDecodeError:'utf-8'codec can't decode byte 0xff in position 0: invalid start byte
因?yàn)閳D片中的二進(jìn)制數(shù)據(jù)不符合文本數(shù)據(jù)的UTF-8編碼規(guī)則。
上面獲得圖片數(shù)據(jù)時(shí)，我們用到了open()來讀取文件，文件存儲(chǔ)的無非是文本和二進(jìn)制這兩種格式，讀寫文件時(shí)也有分清楚編碼：
In[32]: open('z.txt','w').write('T恤')
Out[32]:2In[33]: open('z.txt','w').write(img)
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
in()
---->1open('z.txt','w').write(img)
TypeError:write() argument must be str,notbytes
In[34]: open('z.txt','wb').write(img)
Out[34]:12147
讀寫二進(jìn)制數(shù)據(jù)（如圖片）時(shí)，要加’rb’參數(shù)，b代碼Binary（二進(jìn)制）。讀寫文本數(shù)據(jù)時(shí)，一般加’b’,open()會(huì)自動(dòng)轉(zhuǎn)換Bytes到str。
總結(jié)一下
Python3里面的str是在內(nèi)存中對文本數(shù)據(jù)進(jìn)行使用的，Bytes是對二進(jìn)制數(shù)據(jù)使用的。
str可以encode為Bytes，但是Bytes不一定可以decode為str。實(shí)際上Bytes.decode(‘latin1’)可以稱為str，也就是說decode使用的編碼決定了decode()的成敗，同樣的，UTF-8編碼的Bytes字符串用GBK去decode()也會(huì)出錯(cuò)。
Bytes一般來自網(wǎng)絡(luò)讀取的數(shù)據(jù)、從二進(jìn)制文件（圖片等）讀取的數(shù)據(jù)、以二進(jìn)制模式讀取的文本文件(.txt, .html, .py, .cpp等)。
作者：veelion，具有十年開發(fā)經(jīng)驗(yàn)，主要使用Python、C++語言，從事網(wǎng)絡(luò)爬蟲、搜索引擎、自然語言理解處理等領(lǐng)域的研發(fā)工作。
聲明：本文為作者投稿，版權(quán)歸對方所有。
微信改版了，
想快速看到CSDN的熱乎文章，
趕快把CSDN公眾號(hào)設(shè)為星標(biāo)吧，
打開公眾號(hào)，點(diǎn)擊“設(shè)為星標(biāo)”就可以啦！
2018 AI開發(fā)者大會(huì)
AI工程師必備大會(huì)
2018 AI開發(fā)者大會(huì)是一場由中美人工智能技術(shù)高手聯(lián)袂打造的AI技術(shù)與產(chǎn)業(yè)的年度盛會(huì)！我們只講技術(shù)，拒絕空談！
這里有10場技術(shù)專題論壇：計(jì)算機(jī)視覺、數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、知識(shí)圖譜、智慧金融、智能駕駛、語音技術(shù)、智慧醫(yī)療、機(jī)器學(xué)習(xí)工具、自然語言處理。
還有15+硅谷實(shí)力講師團(tuán)、80+AI領(lǐng)軍企業(yè)技術(shù)核心人物、100+技術(shù)&大眾實(shí)力媒體、1500+AI專業(yè)開發(fā)者
點(diǎn)擊下方「海報(bào)」，快速獲取大會(huì)更多信息，并獲得最低折扣票！
聯(lián)系客服
