快捷導航

淺析Python 3 字符串中的 STR 和 Bytes 有什么區(qū)別

更新時間：2018年10月14日 15:02:57 投稿：mrr

Python2的str相當于Python3的Bytes，而Unicode相當于Python3的Bytes。這篇文章主要介紹了Python 3 字符串中的 STR 和 Bytes 究竟有什么區(qū)別？需要的朋友可以參考下

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相當于Python3的Bytes，而Unicode相當于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候str和unicode沒有區(qū)別。

而Python3嚴格區(qū)分文本（str）和二進制數(shù)據(jù)（Bytes），文本總是Unicode，用str類型，二進制數(shù)據(jù)則用Bytes類型表示，這樣嚴格的限制也讓我們對如何使用它們有了清晰的認識，這是很棒的。

Python2 和 Python3 的區(qū)別

通過以下代碼我們認識以下Python2和Python3的字符串混用情況：

# Python2中：In [1]: 'a' == u'a'Out[1]: True

In [2]: 'a' in u'a'Out[2]: True

In [3]: '編程' == u'編程'/usr/local/bin/ipython:1: UnicodeWarning: Unicode equal comparison failed to convert both arguments to Unicode - interpreting them as being unequal#!/usr/bin/pythonOut[3]: False

In [4]: '編程' in u'編程'---------------------------------------------------------------------------UnicodeDecodeError Traceback (most recent call last)
<ipython-input-4-7b677a923254> in <module>()
----> 1 '編程' in u'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)
<ipython-input-10-ca907fd8856f> in <module>()
----> 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碼時混用沒區(qū)別，因為Unicode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遇到過的錯誤；‘編程'在str類型時長度是6，而在Unicode時是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，嚴格區(qū)分了str和Bytes，不同類型之間操作就會拋出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，要是其它二進制內(nèi)容（比如，圖片）時，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)
<ipython-input-31-c9e28f45be95> in <module>()----> 1 img.decode('utf8')UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start byte

因為圖片中的二進制數(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，我們用到了open()來讀取文件，文件存儲的無非是文本和二進制這兩種格式，讀寫文件時也有分清楚編碼：

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)
<ipython-input-33-4a88980b3a54> in <module>()
----> 1 open('z.txt', 'w').write(img)

TypeError: write() argument must be str, not bytes

In [34]: open('z.txt', 'wb').write(img)
Out[34]: 12147

讀寫二進制數(shù)據(jù)（如圖片）時，要加'rb'參數(shù)，b代碼Binary（二進制）。讀寫文本數(shù)據(jù)時，一般加'b',open()會自動轉(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)進行使用的，Bytes是對二進制數(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()也會出錯。

Bytes一般來自網(wǎng)絡(luò)讀取的數(shù)據(jù)、從二進制文件（圖片等）讀取的數(shù)據(jù)、以二進制模式讀取的文本文件(.txt, .html, .py, .cpp等)。

總結(jié)

以上所述是小編給大家介紹的Python 3 字符串中的 STR 和 Bytes 有什么區(qū)別，希望對大家有所幫助，如果大家有任何疑問歡迎給我留言，小編會及時回復(fù)大家的！

您可能感興趣的文章: