python中的 str 和bytes 区别

在Python 3版本中，把'xxx'和u'xxx'统一成Unicode编码，即写不写前缀u都是同样的。

在Python 3版本中，全部的字符串都是使用Unicode编码的字符串序列。

Python 3最重要的新特性之一是对字符串和二进制数据流作了明确的区分。文本老是 Unicode，由 str 类型表示，二进制数据则由 bytes 类型表示。Python 3 不会以任意隐式的方式混用 str 和 bytes ，你不能拼接字符串和字节流，也没法在字节流里搜索字符串（反之亦然），也不能将字符串传入参数为字节流的函数（反之亦然）。

# -*- coding: utf-8 -*-
import sys

# 查看默认编码
print(sys.getdefaultencoding()) # utf-8

b = b'\xe4\xb8\xad\xe5\x9b\xbd' # py3定义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)) # 中国 <class 'str'>

s = '中国' # Python3中定义的字符串（str）默认就是 unicode字符串
print(s, type(s)) # 中国 <class 'str'>
# s1 = s.decode("utf-8") # AttributeError: 'str' object has no attribute 'decode' ← Python3中字符串再也不有decode方法

s2 = s.encode("gbk") # 将字符串（str）用 “gbk字符编码” 编码为 “gbk字符编码的字节”
print(s2, type(s2)) # b'\xd6\xd0\xb9\xfa' <class 'bytes'>
s22 = s2.decode('gbk') # 将 “字节串” 用 “gbk字符编码” 解码 为 “字符串（str)”
print(s22, type(s22)) # 中国 <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)) # 中国 <class 'str'>

bytes和str之间的异同
回到bytes和str的身上。bytes是一种比特流，它的存在形式是01010001110这种。咱们不管是在写代码，仍是阅读文章的过程当中，确定不会有人直接阅读这种比特流，它必须有一个编码方式，使得它变成有意义的比特流，而不是一堆晦涩难懂的01组合。由于编码方式的不一样，对这个比特流的解读也会不一样，对实际使用形成了很大的困扰。下面让咱们看看Python是如何处理这一系列编码问题的：

>>> 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'>

从例子能够看出，s是个字符串类型。Python有个内置函数bytes()能够将字符串str类型转换成bytes类型，b其实是一串01的组合，但为了在ide环境中让咱们相对直观的观察，它被表现成了b'\xe4\xb8\xad\xe6\x96\x87'这种形式，开头的b表示这是一个bytes类型。\xe4是十六进制的表示方式，它占用1个字节的长度，所以”中文“被编码成utf-8后，咱们能够数得出一共用了6个字节，每一个汉字占用3个，这印证了上面的论述。在使用内置函数bytes()的时候，必须明确encoding的参数，不可省略。

咱们都知道，字符串类str里有一个encode()方法，它是从字符串向比特流的编码过程。而bytes类型刚好有个decode()方法，它是从比特流向字符串解码的过程。除此以外，咱们查看Python源码会发现bytes和str拥有几乎如出一辙的方法列表，最大的区别就是encode和decode。

从实质上来讲，字符串在磁盘上的保存形式也是01的组合，也须要编码解码。

若是，上面的阐述还不能让你搞清楚二者的区别，那么记住下面两几句话：

在将字符串存入磁盘和从磁盘读取字符串的过程当中，Python自动地帮你完成了编码和解码的工做，你不须要关心它的过程。

使用bytes类型，实质上是告诉Python，不须要它帮你自动地完成编码和解码的工做，而是用户本身手动进行，并指定编码格式。

Python已经严格区分了bytes和str两种数据类型，你不能在须要bytes类型参数的时候使用str参数，反之亦然。这点在读写磁盘文件时容易碰到。

在bytes和str的互相转换过程当中，实际就是编码解码的过程，必须显式地指定编码格式。.

>>> 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'>

咱们再把字符串s1，转换成gbk编码的bytes类型：

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