在Python 3版本中，把'xxx'和u'xxx'統一成Unicode編碼，即寫不寫前綴u都是一樣的，
在Python 3版本中，所有的字串都是使用Unicode編碼的字串序列，
Python 3最重要的新特性之一是對字串和二進制資料流做了明確的區分，文本總是 Unicode，由 str 型別表示，二進制資料則由 bytes 型別表示，Python 3 不會以任意隱式的方式混用 str 和 bytes ，你不能拼接字串和位元組流，也無法在位元組流里搜索字串（反之亦然），也不能將字串傳入引數為位元組流的函式（反之亦然），
# -*- coding: utf-8 -*-
import sys
# 查看默認編碼
print(sys.getdefaultencoding()) # utf-8
b = b'\xe4\xb8\xad\xe5\x9b\xbd' # py3定義bytes使用 b = b'dfja'
print(b, type(b)) # b'\xe4\xb8\xad\xe5\x9b\xbd' <class 'bytes'>
b_decode = b.decode('utf-8')
print(b_decode, type(b_decode)) # 中國 <class 'str'>
s = '中國' # Python3中定義的字串（str）默認就是 unicode字串
print(s, type(s)) # 中國 <class 'str'>
# s1 = s.decode("utf-8") # AttributeError: 'str' object has no attribute 'decode' ← Python3中字串不再有decode方法
s2 = s.encode("gbk") # 將字串（str）用 “gbk字符編碼” 編碼為 “gbk字符編碼的位元組”
print(s2, type(s2)) # b'\xd6\xd0\xb9\xfa' <class 'bytes'>
s22 = s2.decode('gbk') # 將 “位元組串” 用 “gbk字符編碼” 解碼 為 “字串（str)”
print(s22, type(s22)) # 中國 <class 'str'>
s3 = s.encode("utf-8")
print(s3, type(s3)) # b'\xe4\xb8\xad\xe5\x9b\xbd' <class 'bytes'>
s33 = s.encode("utf-8").decode('utf-8')
print(s33, type(s33)) # 中國 <class 'str'>
bytes和str之間的異同
回到bytes和str的身上，bytes是一種位元流，它的存在形式是01010001110這種，我們無論是在寫代碼，還是閱讀文章的程序中，肯定不會有人直接閱讀這種位元流，它必須有一個編碼方式，使得它變成有意義的位元流，而不是一堆晦澀難懂的01組合，因為編碼方式的不同，對這個位元流的解讀也會不同，對實際使用造成了很大的困擾，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是個字串型別，Python有個內置函式bytes()可以將字串str型別轉換成bytes型別，b實際上是一串01的組合，但為了在ide環境中讓我們相對直觀的觀察，它被表現成了b'\xe4\xb8\xad\xe6\x96\x87'這種形式，開頭的b表示這是一個bytes型別，\xe4是十六進制的表示方式，它占用1個位元組的長度，因此”中文“被編碼成utf-8后，我們可以數得出一共用了6個位元組，每個漢字占用3個，這印證了上面的論述，在使用內置函式bytes()的時候，必須明確encoding的引數，不可省略，
我們都知道，字串類str里有一個encode()方法，它是從字串向位元流的編碼程序，而bytes型別恰好有個decode()方法，它是從位元流向字串解碼的程序，除此之外，我們查看Python原始碼會發現bytes和str擁有幾乎一模一樣的方法串列，最大的區別就是encode和decode，
從實質上來說，字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，那么記住下面兩幾句話：
在將字串存入磁盤和從磁盤讀取字串的程序中，Python自動地幫你完成了編碼和解碼的作業，你不需要關心它的程序，
使用bytes型別，實質上是告訴Python，不需要它幫你自動地完成編碼和解碼的作業，而是用戶自己手動進行，并指定編碼格式，
Python已經嚴格區分了bytes和str兩種資料型別，你不能在需要bytes型別引數的時候使用str引數，反之亦然，這點在讀寫磁盤檔案時容易碰到，
在bytes和str的互相轉換程序中，實際就是編碼解碼的程序，必須顯式地指定編碼格式，.
>>> 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'>
我們再把字串s1，轉換成gbk編碼的bytes型別：
>>> s1
'中文'
>>> type(s1)
<class 'str'>
>>> b = bytes(s1, encoding='gbk')
>>> b
b'\xd6\xd0\xce\xc4'
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/84139.html
標籤：Python
上一篇：python 的魔法方法