字符串字面量前的'b'字符表示什么？

Question

显然，下面的语法是有效的：

b'The string'

我想知道：

1. 这个字符串前面的 b 字符是什么意思？
2. 使用它有什么影响？
3. 在什么情况下适合使用它？

我在这里找到一个相关的问题，不过那个问题是关于PHP的，它提到 b 是用来表示字符串是二进制的，而不是Unicode，这在从PHP 6之前的版本迁移到PHP 6时是需要的。我觉得这和Python没有关系。

我还在Python网站上找到这份文档，里面提到在相同的语法中使用 u 字符来指定字符串为Unicode。不幸的是，文档中没有提到b 字符。

另外，出于好奇，除了 b 和 u，还有其他符号可以做不同的事情吗？

Answer 1

这里的 b 表示字节串。

字节是实际的数据，而字符串则是一种抽象的表示方式。

如果你有一个包含多个字符的字符串对象，取出其中一个字符时，它仍然是一个字符串，大小可能会根据编码方式不同而超过1个字节。

但如果你从字节串中取出1个字节，你会得到一个0到255之间的单一8位值。如果这些字符的编码超过1个字节，那么这个字节可能并不能表示一个完整的字符。

老实说，除非你有特别的低级需求，否则我会选择使用字符串。

Answer 2

Python 3.x 对两种类型有明确的区分：

• str = '...' 字面量 = 一串 字符。 “字符”是文本的基本单位：可以是字母、数字、标点符号、符号、空格，或者“控制字符”（比如制表符或退格符）。Unicode 标准为每个字符分配一个介于 0 和 0x10FFFF 之间的整数 码点。（实际上，可能会有些不同。Unicode 包含连字和组合字符，所以一串字符的码点数量可能和用户看到的字符数量不一样。）在内部，str 使用一种 灵活的字符串表示，每个码点可以使用 1、2 或 4 个字节。
• bytes = b'...' 字面量 = 一串 字节。 “字节”是计算机上可以寻址的最小整数类型，通常是一个 八位组，也就是 8 位单位，因此可以表示 0 到 255 之间的数字。

如果你熟悉：

• Java 或 C#，可以把 str 看作 String，bytes 看作 byte[]；
• SQL，str 可以看作 NVARCHAR，bytes 可以看作 BINARY 或 BLOB；
• Windows 注册表，str 可以看作 REG_SZ，bytes 可以看作 REG_BINARY。

如果你熟悉 C(++), 那就忘掉你学过的关于 char 和字符串的知识，因为 字符不是字节。这个观念早就过时了。

当你想表示文本时，使用 str。

print('שלום עולם')

当你想表示低级的二进制数据，比如结构体时，使用 bytes。

NaN = struct.unpack('>d', b'\xff\xf8\x00\x00\x00\x00\x00\x00')[0]

你可以将 str 编码 成 bytes 对象。

>>> '\uFEFF'.encode('UTF-8')
b'\xef\xbb\xbf'

你也可以将 bytes 解码成 str。

>>> b'\xE2\x82\xAC'.decode('UTF-8')
'€'

但是你不能随意混合这两种类型。

>>> b'\xEF\xBB\xBF' + 'Text with a UTF-8 BOM'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: can't concat bytes to str

b'...' 的表示法有点让人困惑，因为它允许用 ASCII 字符来表示字节 0x01-0x7F，而不是用十六进制数字。

>>> b'A' == b'\x41'
True

但我必须强调，字符不是字节。

>>> 'A' == b'A'
False

在 Python 2.x 中

在 3.0 之前的 Python 版本中，没有这种文本和二进制数据的区分。取而代之的是：

• unicode = u'...' 字面量 = Unicode 字符序列 = 3.x 的 str
• str = '...' 字面量 = 混合的字节/字符序列
  • 通常是文本，用某种未指定的编码。
  • 但也用于表示像 struct.pack 输出这样的二进制数据。

为了简化从 2.x 到 3.x 的过渡，b'...' 字面量语法被引入到 Python 2.6，以便区分二进制字符串（在 3.x 中应该是 bytes）和文本字符串（在 3.x 中应该是 str）。在 2.x 中，b 前缀没有任何作用，但它告诉 2to3 脚本在 3.x 中不要将其转换为 Unicode 字符串。

所以是的，Python 中的 b'...' 字面量和 PHP 中的作用是一样的。

另外，出于好奇，还有其他符号，比如 b 和 u，能做其他事情吗？

r 前缀创建一个原始字符串（例如，r'\t' 是一个反斜杠 + t，而不是一个制表符），三重引号 '''...''' 或 """...""" 允许多行字符串字面量。

f 前缀（在 Python 3.6 中引入）创建一个“格式化字符串字面量”，可以引用 Python 变量。例如，f'My name is {name}.' 是 'My name is {0}.'.format(name) 的简写。

Answer 3

引用一下Python 2.x 的文档：

在 Python 2 中，前面加个 'b' 或 'B' 的标记是被忽略的；这个标记表示在 Python 3 中，这个字符串应该被当作字节串来处理（比如在用 2to3 工具自动转换代码时）。'u' 或 'b' 的前缀后面可以跟一个 'r' 的前缀。

而Python 3 的文档则说明：

字节串的前面总是要加 'b' 或 'B'；这样会生成一个字节类型的实例，而不是字符串类型的实例。字节串只能包含 ASCII 字符；数值为 128 或更大的字节必须用转义字符来表示。