聊聊Python 3 的字串：str 和 bytes 的區別
Python2的字串有兩種：str 和 unicode，Python3的字串也有兩種：str 和 bytes。Python2 的 str 相當於 Python3 的bytes，而unicode相當於Python3的str。
Python2裡面的str和unicode是可以混用的，在都是英文字母的時候str和unicode沒有區別。而Python3 嚴格區分文字（str）和二進位制資料（bytes），文字總是unicode，用str型別，二進位制資料則用bytes型別表示，這樣嚴格的限制也讓我們對如何使用它們有了清晰的認識，這是很棒的。
Python2 和 Python3 的區別
通過以下程式碼我們認識以下Python2和Python3的字串混用情況：
# Python2中： In [1]: 'a' == u'a' Out[1]: True In [2]: 'a' in u'a' Out[2]: True In [3]: '程式設計' == u'程式設計' /usr/local/bin/ipython:1: UnicodeWarning: Unicode equal comparison failed to convert both arguments to Unicode - interpreting them as being unequal #!/usr/bin/python Out[3]: False In [4]: '程式設計' in u'程式設計' --------------------------------------------------------------------------- UnicodeDecodeError Traceback (most recent call last) <ipython-input-4-7b677a923254> in <module>() ----> 1 '程式設計' in u'程式設計' UnicodeDecodeError: 'ascii' codec can't decode byte 0xe7 in position 0: ordinal not in range(128) # Python3中： In [1]: 'a' == b'a' Out[1]: False In [2]: 'a' in b'a' --------------------------------------------------------------------------- TypeError Traceback (most recent call last) <ipython-input-10-ca907fd8856f> in <module>() ----> 1 'a' in b'a' TypeError: a bytes-like object is required, not 'str'
以上程式碼可以看到，Python2中str和unicode的在都是ascii碼時混用沒區別，因為unicode的ascii區域的值跟str的ascii是一樣的；而對應非ascii區域（比如中文），二者又不一樣了，可以看到Python2丟擲了UnicodeDecodeError的異常，相信這也是很多人處理文字時遇到過的錯誤；‘程式設計’在str型別時長度是6，而在unicode時是2。不同字元的不同表現，讓Python2的str和unicode顯得撲朔迷離。
在Python3中，嚴格區分了str和bytes，不同型別之間操作就會丟擲TypeError的異常。
上面用示例闡述了Python2和Python3中字串的不同，下面主要講Python3中的字串。
str和bytes之間的轉換
一圖勝千言：
str和bytes的相互轉換
str.encode(‘encoding’) -> bytes
bytes.decode(‘encoding’) -> str
encoding 指的是具體的編碼規則的名稱，對於中文來說，它可以是這些值： ‘utf-8’, ‘gb2312’, ‘gbk’, ‘big5’ 等等。
不知道你有沒有注意到上圖中str矩形要比bytes矩形短，表示同樣的內容，str的長度要小於或等於bytes的長度，你可以考慮一下原因（參考Unicode、UTF-8的編碼規則）
下面看看具體程式碼理解一下str和bytes的相互轉換：
In [16]: a = 'T恤'
In [17]: a
Out[17]: 'T恤'
In [18]: len(a)
Out[18]: 2
In [19]: b = a.encode('utf8')
In [20]: b
Out[20]: b'T\xe6\x81\xa4'
In [21]: a == b
Out[21]: False
In [22]: c = a.encode('gbk')
In [23]: c
Out[23]: b'T\xd0\xf4'
In [24]: b == c
Out[24]: False
In [25]: a == c
Out[25]: False
上面str和bytes之間的轉換是針對文字內容的，要是其它二進位制內容（比如，圖片）時，bytes就不能decode成str了，看以下程式碼的異常：
In [29]: img = open('str-bytes.jpg', 'rb').read()
In [30]: type(img)
Out[30]: bytes
In [31]: img.decode('utf8')
---------------------------------------------------------------------------
UnicodeDecodeError Traceback (most recent call last)
<ipython-input-31-c9e28f45be95> in <module>()
----> 1 img.decode('utf8')
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start byte
因為圖片中的二進位制資料不符合文字資料的UTF-8編碼規則。
上面獲得圖片資料時，我們用到了open()來讀取檔案，檔案儲存的無非是文字和二進位制這兩種格式，讀寫檔案時也有分清楚編碼：
In [32]: open('z.txt', 'w').write('T恤')
Out[32]: 2
In [33]: open('z.txt', 'w').write(img)
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-33-4a88980b3a54> in <module>()
----> 1 open('z.txt', 'w').write(img)
TypeError: write() argument must be str, not bytes
In [34]: open('z.txt', 'wb').write(img)
Out[34]: 12147
讀寫二進位制資料（如圖片）時，要加’rb’引數，b程式碼binary（二進位制）
讀寫文字資料時，一般加’b’,open()會自動轉換bytes到str。
總結一下
Python3裡面的str是在記憶體中對文字資料進行使用的，bytes是對二進位制資料使用的。
str可以encode為bytes，但是bytes不一定可以decode為str。實際上bytes.decode(‘latin1’)可以稱為str，也就是說decode使用的編碼決定了decode()的成敗，同樣的，UTF-8編碼的bytes字串用GBK去decode()也會出錯。
bytes一般來自網路讀取的資料、從二進位制檔案（圖片等）讀取的資料、以二進位制模式讀取的文字檔案(.txt, .html, .py, .c