Python3 最重要的一項改進之一就是解決了 Python2 中字串與字元編碼遺留下來的這個大坑。Python 編碼為什麼那麼蛋疼？已經介紹過 Python2 字串設計上的一些缺陷：

• 使用 ASCII 碼作為預設編碼方式，對中文處理很不友好。
• 把字串的牽強地分為 unicode 和 str 兩種型別，誤導開發者

當然這並不算 Bug，只要處理的時候多留心也可以避免這些坑。但在 Python3 兩個問題都很好的解決了。

首先，Python3 把系統預設編碼設定為 UTF-8

>>> import sys
>>> sys.getdefaultencoding
 
()
'utf-8'
>>>

然後，文字字元和二進位制資料區分得更清晰，分別用 str 和 bytes 表示。文字字元全部用 str 型別表示，str 能表示 Unicode 字符集中所有字元，而二進位制位元組資料用一種全新的資料型別，用 bytes 來表示。

str

>>> a = "a"
>>> a
'a'
>>> type(a)
<class 'str'>

>>> b = "禪"
>>> b
'禪'
>>> type(b)
<class '
 
str'>

bytes

Python3 中，在字元引號前加‘b’，明確表示這是一個 bytes 型別的物件，實際上它就是一組二進位制位元組序列組成的資料，bytes 型別可以是 ASCII範圍內的字元和其它十六進位制形式的字元資料，但不能用中文等非ASCII字元表示。

>>> c = b'a'
>>> c
b'a'
>>> type(c)
<class 'bytes'>

>>> d = b'\xe7\xa6\x85'
>>> d
b'\xe7\xa6\x85'
>>>
 
 type(d)
<class 'bytes'>
>>>

>>> e = b'禪'
  File "<stdin>", line 1
SyntaxError: bytes can only contain ASCII literal characters.

bytes 型別提供的操作和 str 一樣，支援分片、索引、基本數值運算等操作。但是 str 與 bytes 型別的資料不能執行 + 操作，儘管在py2中是可行的。

>>> b"a"+b"c"
b'ac'
>>> b"a"*2
b'aa'
>>> b"abcdef\xd6"[1:]
b'bcdef\xd6'
>>> b"abcdef\xd6"[-1]
214

>>> b"a" + "b"
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: can't concat bytes to str

python2 與 python3 位元組與字元的對應關係

encode 與 decode

str 與 bytes 之間的轉換可以用 encode 和從decode 方法。

encode 負責字元到位元組的編碼轉換。預設使用 UTF-8 編碼準換。

>>> s = "Python之禪"
>>> s.encode()
b'Python\xe4\xb9\x8b\xe7\xa6\x85'
>>> s.encode("gbk")
b'Python\xd6\xae\xec\xf8'

decode 負責位元組到字元的解碼轉換，通用使用 UTF-8 編碼格式進行轉換。

>>> b'Python\xe4\xb9\x8b\xe7\xa6\x85'.decode()
'Python之禪'
>>> b'Python\xd6\xae\xec\xf8'.decode("gbk")
'Python之禪'

關注公眾號「Python之禪」（id：vttalk）獲取最新文章