____tz_zs

在Python 3版本中，把'xxx'和u'xxx'統一成Unicode編碼，即寫不寫字首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位制資料流做了明確的區分。文字總是 Unicode，由 str 型別表示，二進位制資料則由 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，也無法在位元組流裡搜尋字串（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 -*-
"""
@author: tz_zs

"""
import sys

# 檢視預設編碼
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）預設就是 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字元編碼” 編碼為 “gbk字元編碼的位元組”
print(s2, type(s2))  # b'\xd6\xd0\xb9\xfa' <class 'bytes'>
s22 = s2.decode('gbk')  # 將 “位元組串” 用 “gbk字元編碼” 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'>
 

·

轉載：bytes和str之間的異同

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。我們無論是在寫程式碼，還是閱讀文章的過程中，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有個內建函式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是十六進位制的表示方式，它佔用1個位元組的長度，因此”中文“被編碼成utf-8後，我們可以數得出一共用了6個位元組，每個漢字佔用3個，這印證了上面的論述。在使用內建函式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裡有一個encode()方法，它是從字串向位元流的編碼

從實質上來說，字串在磁碟上的儲存形式也是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，那麼記住下面兩幾句話：

1. 在將字串存入磁碟和從磁碟讀取字串的過程中，Python自動地幫你完成了編碼和解碼的工作，你不需要關心它的過程。

2. 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工作，而是使用者自己手動進行，並指定編碼格式。

3. 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。這點在讀寫磁碟檔案時容易碰到。

在bytes和str的互相轉換過程中，實際就是編碼解碼的過程，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'

·

參考：