學習python,第四篇：Python 3中bytes/string的區別，pythonbytes

學習python,第四篇：Python 3中bytes/string的區別，pythonbytes

原文：http://eli.thegreenplace.net/2012/01/30/the-bytesstr-dichotomy-in-python-3

 

python 3中最重要的新特性可能就是將文本(text)和位元據做了更清晰的區分。文本總是用unicode進行編碼，以str類型表示；而位元據以bytes類型表示。

在python3中，不能以任何隱式方式將str和bytes類型二者混合使用。不可以將str和bytes類型進行拼接，不能在str中搜尋bytes資料(反之亦然)，也不能將str作為參數傳入需要bytes型別參數的函數(反之亦然)。

 

字串和位元組符之間劃分界線是必然的。下面這個圖解要牢記於心：

strings可以被編碼(encode)成字bytes,bytes也可以解碼(decode)成strings：

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

可以這樣理解：

string是文本(text)的抽象表示。字串(string)由字元組成，字元也是抽象的實體且與任何二進位表示無關。
當操縱字串的時候，很多細節是不用瞭解的。我們可以分割、切片和拼接字串，在字串內部進行搜尋。但並不在乎內部是如何表示的，也不用在意底層一個字元要花費多少byte。
只有在需要將string編碼(encode)成byte的時候，比如：通過網路傳輸資料；或者需要將byte解碼(decode)成string的時候，我們才會關注string和byte的區別。

 

傳入encode和decode的參數是編碼方式。編碼是一種用位元據表示抽象字元的方式。目前有很多種編碼。上面給出的UTF-8是其中一種，下面是另一種：

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

編碼是這個轉換過程中至關重要的一部分。若不編碼，bytes對象b'\xa420'只是一堆位元位而已。編碼賦予其含義。採用不同的編碼，這堆位元位的含義就會大不同：

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