Python3的bytes/str之别

 

Python 3最重要的新特性大概要算是对文本和二进制数据做了更为清晰的区分。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，正是这使得二者的区分特别清晰。你不能拼接字符串和字节包，也没法在字节包里搜索字符串（反之亦然），也不能将字符串传入参数为字节包的函数（反之亦然）。这是件好事。

无论怎样，字符串和字节包之间的界线是必然的，下面的图解很是重要，务请牢记于心：

 

字符串能够编码成字节包，而字节包能够解码成字符串。

>>>'€20'.encode('utf-8')
b'\xe2\x82\xac20'
>>> b'\xe2\x82\xac20'.decode('utf-8')
'€20'

 

这个问题要这么来看：字符串是文本的抽象表示。字符串由字符组成，字符则是与任何特定二进制表示无关的抽象实体。在操做字符串时，咱们生活在幸福的无知之中。咱们能够对字符串进行分割和分片，能够拼接和搜索字符串。咱们并不关心它们内部是怎么表示的，字符串里的每一个字符要用几个字节保存。只有在将字符串编码成字节包（例如，为了在信道上发送它们）或从字节包解码字符串（反向操做）时，咱们才会开始关注这点。

传入encode和decode的参数是编码（或codec）。编码是一种用二进制数据表示抽象字符的方式。目前有不少种编码。上面给出的UTF-8是其中一种，下面是另外一种：

>>>'€20'.encode('iso-8859-15')
b'\xa420'
>>> b'\xa420'.decode('iso-8859-15')
'€20'

 

编码是这个转换过程当中相当重要的一部分。离了编码，bytes对象b'\xa420'只是一堆比特位而已。编码赋予其含义。采用不一样的编码，这堆比特位的含义就会大不一样：

>>> b'\xa420'.decode('windows-1255')
'₪20'