Python 之 bytes/bytearray 的深入浅出

1、前言

1.1 Python3 引入两个新类型

• bytes ： 不可变字节序列
• bytearray ： 可变的字节数组

1.2 ASCII

• ASCII ((American Standard Code for Information Interchange): 美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是最通用的信息交换标准
• ASCII 码使用指定的7 位或8 位二进制数组合来表示128 或256 种可能的字符。标准ASCII 码也叫基础ASCII码，使用7 位二进制数（剩下的1位二进制为0）来表示所有的大写和小写字母，数字0 到9、标点符号，以及在美式英语中使用的特殊控制字符
• 32～126(共95个)是字符(32是空格）
• 48～57为0到9十个阿拉伯数字
• 65～90为26个大写英文字母
• 97～122号为26个小写英文字母
• '\t\n\r'.encode().hex() # '090a0d'

1.3 字符串与bytes bytearray

• 字符串是字符组成的有序序列，字符可以使用编码来理解
• bytes是字节组成的有序的不可变序列
• bytearray是字节组成的有序的可变序列

1.4 编码与解码

• 字符串按照不同的字符集编码encode返回字节序列bytes

  bytes('abc', encoding='utf-8', errors='strict')
  # b'abc'
  '123'.encode(encoding='utf-8', errors='strict')
  # b'123'
  bytearray('abc', encoding='utf-8', errors='strict')
  # bytearray(b'abc')
  

• 字节序列按照不同的字符集解码decode返回值字符串

  b'123'.decode(encoding='utf-8', errors='strict')
  # '123'
  bytearray(b'abc').decode(encoding='utf-8', errors='strict')
  # 'abc'
  

• 示例

  '中国2021加油'.encode(encoding='utf-8')
  # b'\xe4\xb8\xad\xe5\x9b\xbd2021\xe5\x8a\xa0\xe6\xb2\xb9'
  
  '中国2021加油'.encode(encoding='utf-8').hex()
  # 'e4b8ade59bbd32303231e58aa0e6b2b9'
  
  '中国2021加油'.encode(encoding='gbk')
  # b'\xd6\xd0\xb9\xfa2021\xbc\xd3\xd3\xcd'
  
  a = b'\xe4\xb8\xad\xe5\x9b\xbd2021\xe5\x8a\xa0\xe6\xb2\xb9'
  a.decode(encoding='utf-8')
  # '中国2021加油'
  
  a.decode(encoding='gbk')
  # UnicodeDecodeError: 'gbk' codec can't decode byte 0xad in position 2: illegal multibyte sequence
  

  b = 'a\tb\t\tc\n\rd'
  print(b)  # 普通打印，无法看出空格，可以使用编码后查看
  # a	 b		c
  # d
  print(b.encode())
  # b'a\tb\t\tc\n\rd'
  print(b.encode().hex())
  # 6109620909630a0d64
  print(bytes.fromhex(b.encode().hex()))
  # b'a\tb\t\tc\n\rd'
  

  b = '中国'
  print(b)  
  # 中国
  print(b.encode())
  # b'\xe4\xb8\xad\xe5\x9b\xbd'
  print(b.encode().hex())
  # e4b8ade59bbd
  print(bytes.fromhex(b.encode().hex()))
  # b'\xe4\xb8\xad\xe5\x9b\xbd'
  print(bytes.fromhex(b.encode().hex()).decode())
  # 中国