本文主要介绍在 Python 中 bytes 与 str 的区别。1
Updated: 2022 / 6 / 16


bytes 与 str 的区别

  • 参考链接


1. Python 有两种类型可以表示字符序列

  • bytes 下面所示实例包含的是原始数据 ，即 8 位的无符号值（通常按照 ASCII编码 标准来显示）
  • str 下面所示实例包含的是 Unicode 码点（code point，也叫作代码点），这些码点与人类语言之中的文本字符相对应
a = b'h\x6511o'
print(list(a))
# [104, 101, 49, 49, 111]
print(a)
# b'he11o' 

a = 'a\\u300 propos'
print(list(a))
# ['a', '\\', 'u', '3', '0', '0', ' ', 'p', 'r', 'o', 'p', 'o', 's']
print(a)
# a\u300 propos



2. Unicode 数据和二进制数据转换

  • 把 Unicode 数据转换成二进制数据，必须调用 str 的 encode 方法（编码）
FileContent = 'This is file content.'
print(FileContent)
# 'This is file content.'
print(type(FileContent))
# <class 'str'>

FileContent = FileContent.encode(encoding='utf-8')
print(FileContent)
# b'This is file content.'
print(type(FileContent))
# <class 'bytes'>
  • 把二进制数据转换成 Unicode 数据，必须调用 bytes 的 decode 方法（解码）
FileContent = b'This is file content.'
print(FileContent)
# b'This is file content.'
print(type(FileContent))
# <class 'bytes'>

FileContent = FileContent.decode(encoding='utf-8')
print(FileContent)
# 'This is file content.'
print(type(FileContent))
# <class 'str'>

调用这些方法时，可以明确指出字符集编码，也可以采用系统默认的方案，通常是 UTF-8

当前操作系统默认的字符集编码，Python 一行代码查看当前操作系统默认的编码标准: 在 cmd 中执行:

python3 -c 'import locale; print(locale.getpreferredencoding())'
# UTF-8



3. 使用原始的 8 位值与 Unicode 字符串
使用原始的 8 位值与 Unicode 字符串时需要注意的两个问题 (该问题等价于使用 bytes 和 str 时需要注意的两个问题):

  • 3.1 bytes 和 str 的互不兼容

使用 + 操作符

# bytes+bytes
print(b'a' + b'1')
# b'a1'

# str+str
print('b' + '2')
# b2

# bytes+str
print('c' + b'2')
# TypeError: can only concatenate str (not "bytes") to str

同类型之间也可以用二元操作符来比较大小

# bytes bytes
assert b'c' > b'a'
assert b'c' < b'a'
# AssertionError
print(b'a' == b'a')
# True

# str str
assert 'c' > 'a'
assert 'c' < 'a'
# AssertionError
print('a' == 'a')
# True

# bytes str
assert b'c' > 'a'
# TypeError: '>' not supported between instances of 'bytes' and 'str'
print('a' == b'a')
# False

格式化字符串中的 %s

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。但是如果格式字符串是 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 应该按照什么字符集来编码。

# bytes % str
print(b'red %s' % 'blue'
# TypeError: %b requires a bytes-like object, or an object that implements __bytes__, not 'str'

# str % bytes 
print('red %s' % b'blue')
# red b'blue'
# @ 这样会让系统在 bytes 实例上面调用 __repr__ 方法。调用结果替换格式字符串里的 %s，因此程序会直接输出 b'blue'，而不是输出 blue
  • 3.2 操作文件句柄时需要使用 Unicode 字符串操作, 不能使用原始的 bytes

w 模式必须以 ‘文本’ 模式写入, 否则向文件写入二进制数据会报错：

# 写入二进制数据
with open('test.txt', "w+") as f:
 f.write(b"\xf1\xf2")
# TypeError: write() argument must be str, not bytes

wb 可正常写入二进制数据

# 写入二进制数据
with open('test.txt', "wb") as f:
 f.write(b"\xf1\xf2")

r 模式必须以 ‘文本’ 模式写入, 否则从文件读取二进制数据会报错：

# 读取二进制数据
with open('test.txt', "r+") as f:
 f.read()
# UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 0: invalid continuation byte
# @以文本模式操纵文件句柄时，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。

rb 可正常读取二进制数据

# 写入二进制数据
with open('test.txt', "rb") as f:
 print(b"\xf1\xf2" == f.read())
# True

另一种改法，设置 encoding 参数指定字符串编码：

with open('test.txt', "r", encoding="cp1252") as f:
 print(f.read())



补充说明：

参考链接

  1. Python bytes 与 str 的区别 ↩︎