python文本字符串与字节字符串

python中的字符串一直是困扰小编的一大难题，相信大家伙也曾体验过被各种编码支配的恐惧吧。不过没关系，相信你读了这篇文章，一定会对python字符串豁然开朗！
代码链接：https://github.com/princewen/professional-python3
一、字符串类型
python3:
python语言有两种不同的字符串，一个用于存储文本，一个用于存储原始字节。
文本字符串内部使用Unicode存储，字节字符串存储原始字节并显示ASCII。

python3中，文本型字符串类型被命名为str，字节字符串类型被命名为bytes。
正常情况下，实例化一个字符串会得到一个str实例，如果希望得到一个bytes实例，需要在文本之前添加b字符。

text_str = 'The quick brown fox jumped over the lazy dogs'
print (type(text_str)) #output : <class 'str'>
 
 
byte_str = b'The quick brown fox jumped over the lazy dogs'
print (type(byte_str)) #output : <class 'bytes'>

python2:

python2中也有两种字符串，不过，python3中的str类在python2中名称为unicode,但是，python3中的bytes类在python2中名称为str类。
这意味着在python3中str类是一个文本字符串，而在python2中str类是一个字节字符串。
若不使用前缀实例化字符串，则返回一个str类（这里是字节字符串！！！），如果想要得到一个文本字符串，需要在字符串前面加上u字符。

byte_str = 'The quick brown fox jumped over the lazy dogs'
#output : <type 'str'>
print type(byte_str)
 
text_str = u'The quick brown fox jumped over the lazy dogs'
#output : <type 'unicode'>
print type(text_str)

二、字符串转换
python3:

可以在str与bytes之间进行类型转换，str类包含一个encode方法，用于使用特定编码将其转换为一个bytes。于此类似，bytes类包含一个decode方法，接受一个编码作为单个必要参数，并返回一个str。另一个需要注意的是，python3中永远不会尝试隐式地在一个str与一个bytes之间进行转换，需要显式使用str.encode 或者 bytes.decode方法。

#output :  b'The quick brown fox jumped over the lazy dogs'
print (text_str.encode('utf-8'))
 
#output : The quick brown fox jumped over the lazy dogs
print (byte_str.decode('utf-8'))
 
#output : False
print ('foo' == b'foo')
 
#Output : KeyError: b'foo'
d={'foo':'bar'}
print (d[b'foo'])
 
#Output : TypeError: Can't convert 'bytes' object to str implicitly
print ('foo'+b'bar')
 
#Output : TypeError: %b requires bytes, or an object that implements __bytes__, not 'str'
print (b'foo %s' % 'bar')
 
#output : bar b'foo'
print ('bar %s' % b'foo')

python2:

与python3不同的是，python2会在文本字符串和字节字符串之间尝试进行隐式转换。
该工作机制是，如果解释器遇到一个不同种类的字符串混合操作，解释器首先会将字节字符串转换为文本字符串，然后对文本字符串进行操作。
解释器在将字节字符串转换为文本字符串的过程中使用隐式解码，python2中默认编码几乎总是ASCII.
我们可以使用sys.getdefaultencoding 方法来查看默认编码方式。

#output :  foobar
print 'foo'+u'bar'
 
#output : ascii
print sys.getdefaultencoding()
 
#output : False
print 'foo'==u'bar'
 
#Output : bar
d = {u'foo':'bar'}
print d['foo']

python2中，调用encode方法可以将任意类型的字符串转换为字节字符串，或使用decode将任意类型的字符串转换为文本字符串
在实际使用中，这容易使人迷惑并导致灾难，考虑下面的例子：
如下所示，下面这段代码报错了，在第一个encode之后，已经将字符串按照utf-8格式转换为字节字符串，由于还有一个encode过程，首先会存在一个隐式解码过程，将字节字符串先解码为文本字符串，
这里将会使用默认的隐式转换方式，即getgetdefaultencoding()得到的方式，这里为ascii编码，因此下面的语句相当于：

text_str.encode('utf-8').decode('ascii').encode('utf-8')

text_str = u'\u03b1 is for alpha'
 
# Traceback (most recent call last):
#   File "/Users/shixiaowen/python3/python高级编程/字符串与unicode/python2字符串.py", line 48, in <module>
#     print text_str.encode('utf-8').encode('utf-8')
# UnicodeDecodeError: 'ascii' codec can't decode byte 0xce in position 0: ordinal not in range(128)
 
print text_str.encode('utf-8').encode('utf-8')

三、读取文件
python3:

文件总是存储字节，因此，为了使用文件中读取的文本数据，必须首先将其解码为一个文本字符串。
python3中，文本正常情况下会自动为你解码，所以打开或读取文件会得到一个文本字符串。
使用的解码方式取决系统，在mac os 或者 大多数linux系统中，首选编码是utf-8，但windows不一定。
可以使用locale.getpreferredencoding()方法得到系统的默认解码方式。

# <class 'str'>
# Python中有两种不同的字符串数据，文本字符串与字节字符串，两种字符串之间可以互相转换
# 本章将会学到文本字符串和字节字符串的区别，以及这两类字符串在python2和python3中的区别。
with open('字符串与unicode','r') as f:
    text_str=f.read()
    print (type(text_str))
    print (text_str)
 
import locale
#output : UTF-8
print (locale.getpreferredencoding())

读取文件时可以显示声明文件的编码，使用open方法的encoding关键字

# <class 'str'>
# Python中有两种不同的字符串数据，文本字符串与字节字符串，两种字符串之间可以互相转换
# 本章将会学到文本字符串和字节字符串的区别，以及这两类字符串在python2和python3中的区别。
with open('字符串与unicode','r',encoding='utf-8') as f:
    text_str = f.read()
    print(type(text_str))
    print(text_str)
 
"""
如果你希望以字节字符串的形式读取文件，使用如下的方式
"""
 
# <class 'bytes'>
# b'Python\xe4\xb8\xad\xe6\x9c\x89\xe4\xb8\xa4\xe7\xa7\x8d\xe4\xb8\x8d\xe5\x90\x8......
with open('字符串与unicode','rb') as f:
    text_str=f.read()
    print (type(text_str))
    print (text_str)

python2:

python2中，无论以何种方式打开文件，read方法总是返回一个字节字符串

# <type 'str'>
# Python中有两种不同的字符串数据，文本字符串与字节字符串，两种字符串之间可以互相转换
# 本章将会学到文本字符串和字节字符串的区别，以及这两类字符串在python2和python3中的区别。
with open('字符串与unicode','r') as f:
    text_str=f.read()
    print (type(text_str))
    print text_str