作者 | veelion 责编 | 胡巍巍 Python2的字符串有两种:str和Unicode,Python3的字符串也有两种:str和Bytes。Python2的str相当于Python3的Bytes,而Unicode相当于Python3的Bytes。 Python2里面的str和Unicode是可以混用的,在都是英文字母的时候str和unicode没有区别。 而Python3严格区分文本(str)和二进制数据(Bytes),文本总是Unicode,用str类型,二进制数据则用Bytes类型表示,这样严格的限制也让我们对如何使用它们有了清晰的认识,这是很棒的。 Python2 和 Python3 的区别 通过以下代码我们认识以下Python2和Python3的字符串混用情况: # Python2中:In[1]:'a'== u'a'Out[1]: True In[2]:'a'inu'a'Out[2]: True In[3]:'编程'== u'编程'/usr/local/bin/ipython:1: UnicodeWarning: Unicode equal comparison failedtoconvert both argumentstoUnicode - interpreting themasbeing unequal#!/usr/bin/pythonOut[3]: False In[4]:'编程'inu'编程'---------------------------------------------------------------------------UnicodeDecodeError Traceback (most recent call last) in() ---->1'编程'inu'编程' 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) in () ----> 1 'a' in b'a' TypeError: a bytes-like object is required, not 'str' 以上代码可以看到,Python2中str和Unicode在都是ASCII码时混用没区别,因为Unicode的ASCII区域的值跟str的ASCII是一样的;而对应非ASCII区域(比如中文),二者又不一样了。 可以看到Python2抛出了Unicode Decode Error的异常,相信这也是很多人处理文本时遇到过的错误;‘编程’在str类型时长度是6,而在Unicode时是2。不同字符的不同表现,让Python2的str和Unicode显得扑朔迷离。 在Python3中,严格区分了str和Bytes,不同类型之间操作就会抛出Type Error的异常。 上面用示例阐述了Python2和Python3中字符串的不同,下面主要讲Python3中的字符串。 str和bytes之间的转换 一图胜千言: str和bytes的相互转换 str.encode(‘encoding’) -> bytes bytes.decode(‘encoding’) -> str Encoding指的是具体的编码规则的名称,对于中文来说,它可以是这些值: ‘utf-8’, ‘gb2312’, ‘gbk’, ‘big5’ 等等。 不知道你有没有注意到上图中str矩形要比Bytes矩形短,表示同样的内容,str的长度要小于或等于Bytes的长度,你可以考虑一下原因(参考Unicode、UTF-8的编码规则)。 下面看看具体代码理解一下str和Bytes的相互转换: In[16]: a ='T恤'In[17]: a Out[17]:'T恤'In[18]: len(a) Out[18]:2In[19]: b = a.encode('utf8') In[20]: b Out[20]: b'T\xe6\x81\xa4'In[21]: a == b Out[21]: FalseIn [22]: c = a.encode('gbk') In[23]: c Out[23]: b'T\xd0\xf4'In[24]: b == c Out[24]: FalseIn [25]: a == c Out[25]: False 上面str和Bytes之间的转换是针对文本内容的,要是其它二进制内容(比如,图片)时,Bytes就不能decode成str了,看以下代码的异常: 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) in()---->1img.decode('utf8')UnicodeDecodeError:'utf-8'codec can't decode byte 0xff in position 0: invalid start byte 因为图片中的二进制数据不符合文本数据的UTF-8编码规则。 上面获得图片数据时,我们用到了open()来读取文件,文件存储的无非是文本和二进制这两种格式,读写文件时也有分清楚编码: In[32]: open('z.txt','w').write('T恤') Out[32]:2In[33]: open('z.txt','w').write(img) --------------------------------------------------------------------------- TypeError Traceback (most recent call last) in() ---->1open('z.txt','w').write(img) TypeError:write() argument must be str,notbytes In[34]: open('z.txt','wb').write(img) Out[34]:12147 读写二进制数据(如图片)时,要加’rb’参数,b代码Binary(二进制)。读写文本数据时,一般加’b’,open()会自动转换Bytes到str。 总结一下 Python3里面的str是在内存中对文本数据进行使用的,Bytes是对二进制数据使用的。 str可以encode为Bytes,但是Bytes不一定可以decode为str。实际上Bytes.decode(‘latin1’)可以称为str,也就是说decode使用的编码决定了decode()的成败,同样的,UTF-8编码的Bytes字符串用GBK去decode()也会出错。 Bytes一般来自网络读取的数据、从二进制文件(图片等)读取的数据、以二进制模式读取的文本文件(.txt, .html, .py, .cpp等)。 作者:veelion,具有十年开发经验,主要使用Python、C++语言,从事网络爬虫、搜索引擎、自然语言理解处理等领域的研发工作。 声明:本文为作者投稿,版权归对方所有。 微信改版了, 想快速看到CSDN的热乎文章, 赶快把CSDN公众号设为星标吧, 打开公众号,点击“设为星标”就可以啦! 2018 AI开发者大会 AI工程师必备大会 2018 AI开发者大会是一场由中美人工智能技术高手联袂打造的AI技术与产业的年度盛会!我们只讲技术,拒绝空谈! 这里有10场技术专题论坛:计算机视觉、数据分析、机器学习、知识图谱、智慧金融、智能驾驶、语音技术、智慧医疗、机器学习工具、自然语言处理。 还有15+硅谷实力讲师团、80+AI领军企业技术核心人物、100+技术&大众实力媒体、1500+AI专业开发者 点击下方「海报」,快速获取大会更多信息,并获得最低折扣票! |
|
来自: 首家i55ryzehof > 《电脑知识》