字符串和字节串有什么区别？

Question

我正在使用一个库，它返回的是一种叫“字节串”的东西（bytes），我需要把它转换成普通的字符串。

这两者之间真的有区别吗？它们有什么关系，我该怎么进行转换呢？

Answer 1

注意：我会详细说明我对Python 3的回答，因为Python 2的支持快要结束了。

在Python 3中

bytes是由8位无符号值组成的序列，而str是由表示人类语言文本字符的Unicode代码点组成的序列。

>>> # bytes
>>> b = b'h\x65llo'
>>> type(b)
<class 'bytes'>
>>> list(b)
[104, 101, 108, 108, 111]
>>> print(b)
b'hello'
>>>
>>> # str
>>> s = 'nai\u0308ve'
>>> type(s)
<class 'str'>
>>> list(s)
['n', 'a', 'i', '̈', 'v', 'e']
>>> print(s)
naïve

虽然bytes和str看起来可以一样使用，但它们之间并不兼容，也就是说，bytes和str不能一起用像>和+这样的运算符。此外，要记住，即使bytes和str的内容完全相同，使用==比较它们是否相等时，结果总是False。

>>> # concatenation
>>> b'hi' + b'bye' # this is possible
b'hibye'
>>> 'hi' + 'bye' # this is also possible
'hibye'
>>> b'hi' + 'bye' # this will fail
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: can't concat str to bytes
>>> 'hi' + b'bye' # this will also fail
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: can only concatenate str (not "bytes") to str
>>>
>>> # comparison
>>> b'red' > b'blue' # this is possible
True
>>> 'red'> 'blue' # this is also possible
True
>>> b'red' > 'blue' # you can't compare bytes with str
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: '>' not supported between instances of 'bytes' and 'str'
>>> 'red' > b'blue' # you can't compare str with bytes
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: '>' not supported between instances of 'str' and 'bytes'
>>> b'blue' == 'red' # equality between str and bytes always evaluates to False
False
>>> b'blue' == 'blue' # equality between str and bytes always evaluates to False
False

在处理bytes和str时，还有一个问题是与使用open这个内置函数打开文件有关。一方面，如果你想从文件中读取或写入二进制数据，记得使用二进制模式打开文件，比如'rb'或'wb'。另一方面，如果你想从文件中读取或写入Unicode数据，要注意你电脑的默认编码，如果需要的话，可以传递encoding参数，以避免出现意外情况。

在Python 2中

str是由8位值组成的序列，而unicode是由Unicode字符组成的序列。要记住的一点是，如果str只包含7位ASCII字符，那么str和unicode可以一起使用运算符。

在Python 2中，使用辅助函数在str和unicode之间转换，以及在Python 3中在bytes和str之间转换，可能会很有用。

Answer 2

计算机能存储的唯一东西就是字节。

要在计算机中存储任何东西，首先必须进行编码，也就是把它转换成字节。例如：

• 如果你想存储音乐，必须先用MP3、WAV等格式进行编码。
• 如果你想存储图片，必须先用PNG、JPEG等格式进行编码。
• 如果你想存储文本，必须先用ASCII、UTF-8等格式进行编码。

MP3、WAV、PNG、JPEG、ASCII和UTF-8都是编码的例子。编码是一种将音频、图像、文本等表示为字节的格式。

在Python中，字节串就是一串字节。它对人来说是不可读的。在计算机内部，所有东西在存储之前都必须转换成字节串。

另一方面，字符串，通常简称为“字符串”，是一串字符。它是人类可读的。字符串不能直接存储在计算机中，必须先编码（转换成字节串）。有多种编码方式可以将字符串转换为字节串，比如ASCII和UTF-8。

'I am a string'.encode('ASCII')

上面的Python代码将使用ASCII编码对字符串'I am a string'进行编码。上述代码的结果将是一个字节串。如果你打印它，Python会将其表示为b'I am a string'。不过要记住，字节串对人来说是不可读的，只是Python在你打印时会从ASCII解码它。在Python中，字节串用b表示，后面跟着字节串的ASCII表示。

字节串可以被解码回字符串，只要你知道用于编码的格式。

b'I am a string'.decode('ASCII')

上述代码将返回原始字符串'I am a string'。

编码和解码是相反的操作。所有东西在写入磁盘之前必须先编码，而在被人读取之前必须先解码。

Answer 3

假设你在使用Python 3（在Python 2中，这个区别稍微不那么明确）——字符串就是一串字符，也就是unicode编码点；这些是一个抽象的概念，不能直接存储在硬盘上。而字节串就是一串字节，顾名思义，这些东西是可以存储在硬盘上的。字符串和字节串之间的转换关系叫做编码——有很多种编码（实际上可能有无数种），你需要知道在特定情况下用哪种编码来进行转换，因为不同的编码可能会把相同的字节映射成不同的字符串：

>>> b'\xcf\x84o\xcf\x81\xce\xbdo\xcf\x82'.decode('utf-16')
'蓏콯캁澽苏'
>>> b'\xcf\x84o\xcf\x81\xce\xbdo\xcf\x82'.decode('utf-8')
'τoρνoς'

一旦你知道该用哪种编码，就可以使用字节串的.decode()方法，从中得到正确的字符字符串。为了完整性，字符字符串的.encode()方法则是反向操作：

>>> 'τoρνoς'.encode('utf-8')
b'\xcf\x84o\xcf\x81\xce\xbdo\xcf\x82'