python2/3差异之——字符串差异

Python2默认字符串类型str，使用ascii编码。

>>> type('123')
<type 'str'>
>>> '123'.decode('ascii')
u'123'

而对于包含中文的字符串，使用gb2312编码，不过仍然是str类型。

>>> type('中文')
<type 'str'>
>>> '中文'.decode('gb2312')
u'\u4e2d\u6587'

当然，如果是明确以u修饰的字符串，那就是unicode类型了。

>>> type(u'123')
<type 'unicode'>
>>> type(u'中文')
<type 'unicode'>

另外，在Python2中，str类型和bytes类型其实是同一种类型。

>>> id(str)
505580560
>>> id(bytes)
505580560
>>> str is bytes
True
>>> bytes is str
True

到了Python3，默认字符串类型str是以unicode编码，所以所有语言的字符都可以直接用str类型表示。

>>> type('123')
<class 'str'>
>>> '123'.encode('ascii')
b'123'
>>> type('中文')
<class 'str'>
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'

因此，在Python3中不再有单独的unicode类型。

>>> unicode
Traceback (most recent call last):
  File "<pyshell#23>", line 1, in <module>
    unicode
NameError: name 'unicode' is not defined