Python3中的bytes類型和str類型

Posted on by

前言:

Python 3最重要的新特性之一是對字符串和二進制數據流做瞭明確的區分。文本總是Unicode，由str類型表示，二進制數據則由bytes類型表示。Python 3不會以任意隱式的方式混用str和bytes，你不能拼接字符串和字節流，也無法在字節流裡搜索字符串（反之亦然），也不能將字符串傳入參數為字節流的函數（反之亦然）。

下面讓我們深入分析一下二者的區別和聯系。

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傢主導瞭整個計算機行業，26個英文字母組成瞭多樣的英語單詞、語句、文章。因此，最早的字符編碼規范是ASCII碼，一種8位即1個字節的編碼規范，它可以涵蓋整個英語系的編碼需要。

編碼是什麼？編碼就是把一個字符用一個二進制來表示。我們都知道，所有的東西，不管是英文、中文還是符號等等，最終存儲在磁盤上都是01010101這類東西。在計算機內部，讀取和存儲數據歸根結底，處理的都是0和1組成的比特流。問題來瞭，人類看不懂這些比特流，如何讓這些010101對人類變得可讀呢？於是出現瞭字符編碼，它是個翻譯機，在計算機內部某個地方，透明的幫我們將比特流翻譯成人類可以直接理解的文字。對於一般用戶，不需要知道這個過程是什麼原理，是怎麼執行的。但是對於程序員卻是個必須搞清楚的問題。

以ASCII編碼為例，它規定1個字節8個比特位代表1個字符的編碼，也就是“00000000”這麼寬，一個一個字節的解讀。例如：01000001表示大寫字母A，有時我們會“偷懶"的用65這個十進制來表示A在ASCII中的編碼。8個比特位，可以沒有重復的最多表示2的8次方(255)個字符。

後來，計算機得到普及，中文、日文、韓文等等國傢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瞭叫做UNICODE的萬國碼，它規定任何一個字符（不管哪國的）至少以2個字節表示，可以更多。其中，英文字母就是用2個字節，而漢字是3個字節。這個編碼雖然很好，滿足瞭所有人的要求，但是它不兼容ASCII，同時還占用較多的空間和內存。因為，在計算機世界更多的字符是英文字母，明明可以1個字節就能夠表示，非要用2個。

於是UTF-8編碼應運而生，它規定英文字母系列用1個字節表示，漢字用3個字節表示等等。因此，它兼容ASCII，可以解碼早期的文檔。UTF-8很快就得到瞭廣泛的應用。

在編碼的發展歷程中，我國還創造瞭自己的編碼方式，例如GBK，GB2312，BIG5。他們隻局限於在國內使用，不被國外認可。在GBK編碼中，中文漢字占2個字節。

bytes和str之間的異同

回到bytes和str的身上。bytes是一種比特流，它的存在形式是01010001110這種。我們無論是在寫代碼，還是閱讀文章的過程中，肯定不會有人直接閱讀這種比特流，它必須有一個編碼方式，使得它變成有意義的比特流，而不是一堆晦澀難懂的01組合。因為編碼方式的不同，對這個比特流的解讀也會不同，對實際使用造成瞭很大的困擾。

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是個字符串類型。Python有個內置函數bytes()可以將字符串str類型轉換成bytes類型，b實際上是一串01的組合，但為瞭在ide環境中讓我們相對直觀的觀察，它被表現成瞭b’\xe4\xb8\xad\xe6\x96\x87’這種形式，開頭的b表示這是一個bytes類型。

\xe4是十六進制的表示方式，它占用1個字節的長度，因此”中文“被編碼成utf-8後，我們可以數得出一共用瞭6個字節，每個漢字占用3個，這印證瞭上面的論述。在使用內置函數bytes()的時候，必須明確encoding的參數，不可省略。

我們都知道，字符串類str裡有一個encode()方法，它是從字符串向比特流的編碼過程。而bytes類型恰好有個decode()方法，它是從比特流向字符串解碼的過程。除此之外，我們查看Python源碼會發現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，字符串在磁盤上的保存形式也是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：

  • 在將字符串存入磁盤和從磁盤讀取字符串的過程中，Python自動地幫你完成瞭編碼和解碼的工作，你不需要關心它的過程。
  • 使用bytes類型，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，而是用戶自己手動進行，並指定編碼格式。
  • Python已經嚴格區分瞭bytes和str兩種數據類型，你不能在需要bytes類型參數的時候使用str參數，反之亦然。這點在讀寫磁盤文件時容易碰到。

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。

'''
學習中遇到問題沒人解答？小編創建瞭一個Python學習交流QQ群：857662006
尋找有志同道合的小夥伴，互幫互助,群裡還有不錯的視頻學習教程和PDF電子書！
'''
>>> 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'>

我們再把字符串s1，轉換成gbk編碼的bytes類型：

>>> s1
'中文'
>>> type(s1)
<class 'str'>
>>> b = bytes(s1, encoding='gbk')
>>> b
b'\xd6\xd0\xce\xc4'

到此這篇關於Python3中的bytes類型和str類型的文章就介紹到這瞭,更多相關Python bytes和str內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：