Python每天必學之bytes位元組

Python中的位元組碼用b'xxx'的形式表示。x可以用字元表示，也可以用ASCII編碼形式\xnn表示，nn從00-ff(十六進位)共256種字元。

一、基本操作

下面列舉一下位元組的基本操作，可以看出來它和字串還是非常相近的：

In[40]: b = b"abcd\x64"In[41]: bOut[41]: b'abcdd'In[42]: type(b)Out[42]: bytesIn[43]: len(b)Out[43]: 5In[44]: b[4]Out[44]: 100 # 100用十六進位表示就是\x64

如果想要修改一個位元組串中的某個位元組，不能夠直接修改，需要將其轉化為bytearray後再進行修改：

In[46]: barr = bytearray(b)In[47]: type(barr)Out[47]: bytearrayIn[48]: barr[0] = 110In[49]: barrOut[49]: bytearray(b'nbcdd')

二、位元組與字元的關係

上面也提到位元組跟字元很相近，其實它們是可以相互轉化的。位元組通過某種編碼形式就可以轉化為相應的字元。位元組通過encode()方法傳入編碼方式就可以轉化為字元，而字元通過decode()方法就可以轉化為位元組：

In[50]: s = "人生苦短，我用Python"In[51]: b = s.encode('utf-8')In[52]: bOut[52]: b'\xe4\xba\xba\xe7\x94\x9f\xe8\x8b\xa6\xe7\x9f\xad\xef\xbc\x8c\xe6\x88\x91\xe7\x94\xa8Python'In[53]: c = s.encode('gb18030')In[54]: cOut[54]: b'\xc8\xcb\xc9\xfa\xbf\xe0\xb6\xcc\xa3\xac\xce\xd2\xd3\xc3Python'In[55]: b.decode('utf-8')Out[55]: '人生苦短，我用Python'In[56]: c.decode('gb18030')Out[56]: '人生苦短，我用Python'In[57]: c.decode('utf-8')Traceback (most recent call last): exec(code_obj, self.user_global_ns, self.user_ns) File "", line 1, in  c.decode('utf-8')UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc8 in position 0: invalid continuation byteIn[58]: b.decode('gb18030')Out[58]: '浜虹敓鑻︾煭錛屾垜鐢≒ython'

我們可以看到用不同的編碼方式解析出來的字元和位元組的方式是完全不同，如果編碼和解碼用了不同的編碼方式，就會產生亂碼，甚至轉換失敗。因為每種編碼方式包含的位元組種類數目不同，如上例中的\xc8就超出了utf-8的最大字元。

三、應用

舉個最簡單的例子，我要爬取一個網頁的內容，現在來爬取用百度搜尋Python時返回的頁面，百度用的是utf-8編碼格式，如果不對返回結果解碼，那它就是一個超級長的位元組串。而進行正確解碼後就可以顯示一個正常的html頁面。

import urllib.requesturl = "http://www.baidu.com/s?ie=utf-8&wd=python"page = urllib.request.urlopen(url)mybytes = page.read()encoding = "utf-8"print(mybytes.decode(encoding))page.close()

以上就是本文的全部內容，希望對大家學習python程式設計有所協助。

