了解bytes、str与unicode的区别

一、Python2与Python3

Python2与Python3不同。这里主要介绍Python3。

Python3中有两种表示字符序列的类型：bytes和str。

bytes的实例包含原始的8位值；str的实例包含Unicode。

二、编码与解码

decode的作用是将其他编码的字符串解码成unicode编码字符串

encode的作用是将unicode编码字符串编码成其他编码的字符串

把Unicode字符（最长见的为utf-8）表示为二进制数据（也就是原始8位值）需要使用encode。反之使用decode。

编写Python程序时，一定要把编码和解码操作放到最外围来做。

程序的核心部分应该使用Unicode字符类型（也就是Python3中的str和Python2中的unicode），而且不要对字符编码做任何假设。

这样既可以令程序接收多种类型的文本编码（例如Latin-1、Shift JIS和Big5），又可以保证输出的文本信息只采用一种编码形式（最好是utf-8）。

由于字符类型有别，有时需要进行类型转化。

def to_str(bytes_or_str):
    if isinstance(bytes_or_str, bytes):
        value = bytes_or_str.decode('utf-8')
    else:
        value = bytes_or_str
    return value

def to_bytes(bytes_or_str):
    if isinstance(bytes_or_str, str):
        value = bytes_or_str.encode('utf-8')
    else:
        value = bytes_or_str
    return value

三、总结

• 在Python3中，bytes是一种包含8位值的序列，str是一种包含Unicode字符的序列。不能使用>或+等操作来混同操作bytes和str实例。
• 在Python2中，str是一种包含8位值的序列，unicode是一种包含Unicode字符的序列。如果str只含7为ASCLL字符，可以通过相关操作符来通时使用str和unicode。
• 编写Python程序时，一定要把编码和解码操作放到最外围来做。
• 从文件中读取二进制数据，或向其中写入二进制数据时，总应该以‘rb’或'wb'等二进制模式来开启文件。