Python小技巧：bytes与str的区别

‘foo’

‘bar’

第二个辅助函数也接受bytes或str实例，但它返回的是bytes：

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 # Instance of bytes

print(repr(to_bytes(b’foo’)))

print(repr(to_bytes(‘bar’)))

在Python中使用原始的8位值与Unicode字符串时，有两个问题要注意。

第一个问题是，bytes与str这两种类型似乎是以相同的方式工作的，但其实例并不相互兼容，所以在传递字符序列的时候必须考虑好其类型。

可以用+操作符将bytes添加到bytes，str也可以这样。

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

print(b’one’ + b’two’)

print(‘one’ + ‘two’)

b’onetwo’

onetwo

但是不能将str实例添加到bytes实例：

b’one’ + ‘two’

Traceback …

TypeError: can’t concat str to bytes

也不能将bytes实例添加到str实例：

‘one’ + b’two’

Traceback …

TypeError: can only concatenate str (not “bytes”) to str

bytes与bytes之间可以用二元操作符(binary operator)来比较大小，str与str之间也可以：

assert b’red’ > b’blue’

assert ‘red’ > ‘blue’

但是str实例不能与bytes实例比较：

assert ‘red’ > b’blue’

反过来也一样，也就是说bytes实例不能与str实例比较：

assert b’blue’ < ‘red’

判断bytes与str实例是否相等，总是会评估为假(False)，即便这两个实例表示的字符完全相同，它们也不相等。例如，在下面这个例子里，它们表示的字符串都相当于ASCII编码之中的foo。

print(b’foo’ == ‘foo’)

False

两种类型的实例都可以出现在%操作符的右侧，用来替换左侧那个格式字符串(format string)里面的%s。

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

print(b’red %s’ % b’blue’)

print(‘red %s’ % ‘blue’)

b’red blue’

red blue

如果格式字符串是bytes类型，那么不能用str实例来替换其中的%s，因为Python不知道这个str应该按照什么方案来编码。

print(b’red %s’ % ‘blue’)

但反过来却可以，也就是说如果格式字符串是str类型，则可以用bytes实例来替换其中的%s，问题是，这可能跟你想要的结果不一样。

print(‘red %s’ % b’blue’)

red b’blue’

这样做，会让系统在bytes实例上面调用__repr__方法，然后用这次调用所得到的结果替换格式字符串里的%s，因此程序会直接输出b’blue’，而不是像你想的那样，输出blue本身。

第二个问题发生在操作文件句柄的时候，这里的句柄指由内置的open函数返回的句柄。这样的句柄默认需要使用Unicode字符串操作，而不能采用原始的bytes。习惯了Python 2的开发者，尤其容易碰到这个问题，进而导致程序出现奇怪的错误。例如，向文件写入二进制数据的时候，下面这种写法其实是错误的。

with open(‘data.bin’, ‘w’) as f:

f.write(b’\xf1\xf2\xf3\xf4\xf5’)

Traceback …

TypeError: write() argument must be str, not bytes

程序发生异常是因为在调用open函数时，指定的是’w’模式，所以系统要求必须以文本模式写入。如果想用二进制模式，那应该指定’wb’才对。在文本模式下，write方法接受的是包含Unicode数据的str实例，不是包含二进制数据的bytes实例。所以，我们得把模式改成’wb’来解决该问题。

with open(‘data.bin’, ‘wb’) as f:

f.write(b’\xf1\xf2\xf3\xf4\xf5’)

读取文件的时候也有类似的问题。例如，如果要把刚才写入的二进制文件读出来，那么不能用下面这种写法。

with open(‘data.bin’, ‘r’) as f:

data = f.read()

程序出错，是因为在调用open函数时指定的是’r’模式，所以系统要求必须以文本模式来读取。若要用二进制格式读取，应该指定’rb’。以文本模式操纵句柄时，系统会采用默认的文本编码方案处理二进制数据。

所以，上面那种写法会让系统通过bytes.decode把这份数据解码成str字符串，再用str.encode把字符串编码成二进制值。然而对于大多数系统来说，默认的文本编码方案是UTF-8，所以系统很可能会把b’\xf1\xf2\xf3\xf4\xf5’当成UTF-8格式的字符串去解码，于是就会出现上面那样的错误。为了修正错误，需要把模式改成’rb’。

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

with open(‘data.bin’, ‘rb’) as f:

data = f.read()

assert data == b’\xf1\xf2\xf3\xf4\xf5’

另一种改法是在调用open函数的时候，通过encoding参数明确指定编码标准，以确保平台特有的一些行为不会干扰代码的运行效果。例如，假设刚才写到文件里的那些二进制数据表示的是一个采用’cp1252’标准(cp1252是一种老式的Windows编码方案)来编码的字符串，则可以这样写：