從Python發展歷史談起

Python3和Python2表示字符序列的方式有所不同。

• Python3字符序列的兩種表示為byte和str。前者的實例包含原始的8位值，即原始的字節；后者的實例包括Unicode字符。
• Python2字符序列的兩種表示為str和unicode。與Python3不同的是，str實例包含原始的8位值；而unicode的實例，則包含Unicode字符。

類型轉換

把Unicode字符表示為二進制數據有許多方法。做常見的編碼方式是UTF-8。但是python3的str實例和Python2的unicode實例都沒有和特定的二進制編碼形式相關聯。要想把Unicode字符轉換為二進制數據，就必須使用encode方法。要想把二進制數據轉換成Unicode字符，則必須使用decode方法。

因此，在編寫大型復雜的Python程序的時候，一般把編碼和解碼的相關操作放到最外層來做。程序核心部分使用Unicode字符類型，也就是Python3的str以及Python2的unicode，而且不要對字符編碼做任何假設。這種辦法既可以讓程序接受多種類型的文本編碼，又可以保證輸出的文本信息只采用一種編碼形式（最好是UTF-8），靈活性很高。

所以，可以編寫兩個輔助函數，以便對序列進行轉換，使得轉換后的輸入數據符合開發者預期。

對于Python3

在Python3中，我們需要編寫一個接收str或bytes，并總是返回str的方法：

def to_str(bytes_or_str):if isinstance(bytes_or_str, bytes):return bytes_or_str.decode('utf-8')return bytes_or_str # instance of str

以及一個總是返回bytes的方法：

def to_bytes(bytes_or_str):if isinstance(bytes_or_str, str):return bytes_or_str.encode('utf-8')return bytes_or_str # instance of bytes

對于Python2

在Python2中，我們需要編寫一個接收str或unicode，并總是返回unicode的方法：

def to_unicode(unicode_or_str):if isinstance(unicode_or_str, str):return unicode_or_str.decode('utf-8')return unicode_or_str # instance of unicode

以及一個總是返回str的方法：

def to_str(unicode_or_str):if isinstance(unicode_or_str, unicode):return unicode_or_str.encode('utf-8')return unicode_or_str # instance of str

面臨的問題

在Python中使用原始8位值與Unicode字符時，通常有兩個問題需要注意。

第一個問題

第一個問題通常出現在Python2中，如果你用的是Python3，可以暫且忽略這個問題。

如果str只包含7位的ASCII字符，那么unicode和str實例似乎就成了同一種類型。

• 可以用+操作符把str與unicode連接起來
• 可以進行比較操作比如， ==、!=、<、>

這些行為一位著，只處理7位的ASCII的情況下，如果某個函數接受str，那么可以給它傳入unicode；如果某個函數接收unicode，也可以傳入str。而在Python3中，bytes和str實例絕對不會等價，更不能進行比較，即使是空字符串也不可以，因為這是完全不同的兩個類型。所以，在傳入字符序列的時候必須留意其類型。

第二個問題

第二個問題可能會出現在Python3上，也是經常遇到的一些問題。

如果通過內置的open函數獲取謳歌文件句柄，那么需要注意的是，該句柄默認會采用UTF-8編碼格式來操作文件。而在Python2中，文件操作的默認格式是二進制的，這可能會導致程序出現奇怪的錯誤。

例如，現在要向文件中隨機寫入二進制數據，下面這個寫法在Python2中不會有什么問題，但在Python3中會有異常，提示TypeError: write() argument must be str, not bytes

with open('./random.bin', 'w') as f:f.write(os.urandom(10))>>> TypeError: write() argument must be str, not bytes

發生上述問題的原因是Python3給open函數添加了encode參數，而這個新參數的默認值是UTF-8。這樣一來，系統就會要求開發者必須傳入包含Unicode字符的str實例，而不是包含二進制數據的bytes實例。

為了解決這個問題，我們必須用二進制寫入模式，即將原來的'w'修改為'wb'，這樣一來就可以同時適配Python2和Python3。從文件中讀取數據的時候也會有類似的問題，解決方法與寫入類似，使用'rb'模式打開文件，而不是'r'模式。

總結

在Python3中，bytes是一種包含8位值的序列，str是一種包含Unicode字符的序列。開發者不用比較操作來混合處理。

在Python2中，str是一種包含8位值的序列，unicode是一種包含Unicode字符的序列。如果str只有7位ASCII字符，那么可以進行比較運算以及連接操作。

在對輸入的數據操作之前，使用輔助函數來保證字符序列的類型與開發者的期望一致。

從文件中讀取二進制數據，或向其中寫入二進制數據時，總應該以'rb'或'wb'等二進制模式來開啟文件。

參考閱讀：

《Effective Python》

總結

以上是生活随笔為你收集整理的mfc从文件中读取数据_Python 中的 bytes、str 以及 unicode 区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。