1、Python 有兩種類型可以表示字符序列

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

a = b'h\x6511o'
print(list(a))
print(a)

a = 'a\\u300 propos'
print(list(a))
print(a)


# 輸出結(jié)果
[104, 101, 49, 49, 111]
b'he11o'

['a', '\\', 'u', '3', '0', '0', ' ', 'p', 'r', 'o', 'p', 'o', 's']
a\u300 propos

2、Unicode 數(shù)據(jù)和二進(jìn)制數(shù)據(jù)轉(zhuǎn)換

• 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（編碼）
• 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（解碼）
• 調(diào)用這些方法時(shí)，可以明確指出字符集編碼，也可以采用系統(tǒng)默認(rèn)的方案，通常是 UTF-8

3、使用原始的 8 位值與 Unicode 字符串

使用原始的 8 位值與 Unicode 字符串時(shí)需要注意的兩個(gè)問題：

• 該問題等價(jià)于：使用 bytes 和 str 時(shí)需要注意的兩個(gè)問題

3.1 問題一：bytes 和 str 的實(shí)例互不兼容

使用 + 操作符：

# bytes+bytes
print(b'a' + b'1')

# str+str
print('b' + '2')


# 輸出結(jié)果
b'a1'
b2

• bytes + bytes，str + str 都是允許的
• 但 bytes + str 會(huì)報(bào)錯(cuò)
  

#

 bytes+str
print('c' + b'2')


# 輸出結(jié)果
print('c' + b'2')
TypeError: can only concatenate str (not "bytes") to str

同類型之間也可以用二元操作符來比較大小

assert b'c' > b'a'

assert 'c' > 'a'

但 bytes 和 str 之間用二元操作符也會(huì)報(bào)錯(cuò)

assert b'c' > 'a'


# 輸出結(jié)果
    assert b'c' > 'a'
TypeError: '>' not supported between instances of 'bytes' and 'str'

判斷 bytes 與 str 實(shí)例是否相等
兩個(gè)類型的實(shí)例相比較總會(huì)為 False，即使字符完全相同

# 判斷 str、bytes
print('a' == b'a')


# 輸出結(jié)果
False

格式化字符串中的 %s

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（format string）里面的 %s

但是！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)?Python 不知道這個(gè) str 應(yīng)該按照什么字符集來編碼

# %
print(b'red %s' % 'blue')


# 輸出結(jié)果
    print(b'red %s' % 'blue')
TypeError: %b requires a bytes-like object, or an object that implements __bytes__, not 'str'

但是！反過來卻可以，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，但結(jié)果可能不是預(yù)期結(jié)果

# % 
print('red %s' % b'blue')


# 輸出結(jié)果
red b'blue'

這樣會(huì)讓系統(tǒng)在 bytes 實(shí)例上面調(diào)用  __repr__  方法
調(diào)用結(jié)果替換格式字符串里的 %s，因此程序會(huì)直接輸出 b'blue'，而不是輸出 blue

3.2問題二：操作文件句柄時(shí)需要使用 Unicode 字符串操作

不能使用原始的 bytes

向文件寫入二進(jìn)制數(shù)據(jù)會(huì)報(bào)錯(cuò)：

# 寫入二進(jìn)制數(shù)據(jù)
with open('test.txt', "w+") as f:
    f.write(b"\xf1\xf2")


# 輸出結(jié)果
    f.write(b"\xf1\xf2")
TypeError: write() argument must be str, not bytes

• 報(bào)錯(cuò)是因?yàn)?code> w 模式必須以 文本 模式寫入
• 將模式改成 wb 即可正常寫入二進(jìn)制數(shù)據(jù)
  

with open('test.txt', "wb") as f:
    f.write(b"\xf1\xf2")
讀取文件中二進(jìn)制數(shù)據(jù)
with open('test.txt', "r+") as f:
    f.read()


# 輸出結(jié)果
    (result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 0: invalid continuation byte
 

• 報(bào)錯(cuò)是因?yàn)?r 模式必須以 文本 模式讀取
• 以文本模式操縱文件句柄時(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'\xf1\xf2\xf3\xf4\xf5' 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
  

將模式改成 rb 即可正常讀取二進(jìn)制數(shù)據(jù)：

with open('test.txt', "rb") as f:
    print(b"\xf1\xf2" == f.read())


# 輸出結(jié)果
True

另一種改法，設(shè)置 encoding 參數(shù)指定字符串編碼：

with open('test.txt', "r", encoding="cp1252") as f:
    print(f.read())


# 輸出結(jié)果
ñò

這樣也不會(huì)有異常了

需要注意：當(dāng)前操作系統(tǒng)默認(rèn)的字符集編碼，Python 一行代碼查看當(dāng)前操作系統(tǒng)默認(rèn)的編碼標(biāo)準(zhǔn)

在 cmd 中執(zhí)行:

> python3 -c 'import locale; print(locale.getpreferredencoding())'
UTF-8

到此這篇關(guān)于Effective Python bytes 與 str 的區(qū)別的文章就介紹到這了,更多相關(guān)Python bytes 與 str 的區(qū)別內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論