在Python 3中将字符串转换为字节的最佳方法是什么？

Question

TypeError: 'str' 不支持缓冲区接口 提出了两种将字符串转换为字节的方法：

b = bytes(mystring, 'utf-8')

b = mystring.encode('utf-8')

哪种方法更符合Python的风格呢？

---

_{查看 将字节转换为字符串 了解反向操作。}

Answer 1

最好的方法其实不是前面提到的两种，而是第三种。从Python 3.0开始，encode的第一个参数默认是'utf-8'。所以最好的写法是：

b = mystring.encode()

这样做会更快，因为默认参数在C代码中并不是字符串"utf-8"，而是NULL，检查NULL要快得多！

这里有一些时间测试的数据：

In [1]: %timeit -r 10 'abc'.encode('utf-8')
The slowest run took 38.07 times longer than the fastest. 
This could mean that an intermediate result is being cached.
10000000 loops, best of 10: 183 ns per loop

In [2]: %timeit -r 10 'abc'.encode()
The slowest run took 27.34 times longer than the fastest. 
This could mean that an intermediate result is being cached.
10000000 loops, best of 10: 137 ns per loop

尽管有警告，但经过多次运行后，时间的稳定性很好，偏差只有大约2%。

---

在没有参数的情况下使用encode()并不兼容Python 2，因为在Python 2中，默认的字符编码是ASCII。

>>> 'äöä'.encode()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 0: ordinal not in range(128)

Answer 2

其实这比大家想的要简单：

my_str = "hello world"
my_str_as_bytes = str.encode(my_str)
print(type(my_str_as_bytes)) # ensure it is byte representation
my_decoded_str = my_str_as_bytes.decode()
print(type(my_decoded_str)) # ensure it is string representation

你可以通过打印出类型来验证。请看下面的输出。

<class 'bytes'>
<class 'str'>

Answer 3

如果你查看 bytes 的文档，它会引导你去看 bytearray：

bytearray([source[, encoding[, errors]]])

这个函数会返回一个新的字节数组。bytearray 类型是一个可变的整数序列，范围是 0 到 255。它有很多常见的可变序列的方法，具体可以参考可变序列类型的相关内容，还有大部分 bytes 类型的方法，详细信息可以查看字节和字节数组方法。

可选的 source 参数可以用来以几种不同的方式初始化这个数组：

如果 source 是一个字符串，你还必须提供编码（encoding）和可选的错误处理（errors）参数；这时 bytearray() 会使用 str.encode() 将字符串转换为字节。

如果 source 是一个整数，数组的大小将是这个整数，并且会用空字节初始化。

如果 source 是一个符合缓冲区接口的对象，字节数组将使用这个对象的只读缓冲区进行初始化。

如果 source 是一个可迭代对象，它必须是一个整数的可迭代对象，范围是 0 到 255，这些整数将作为数组的初始内容。

如果没有参数，将创建一个大小为 0 的数组。

所以 bytes 的功能远不止于编码字符串。它很符合 Python 的风格，允许你用任何合适的类型作为 source 参数来调用构造函数。

对于字符串的编码，我觉得 some_string.encode(encoding) 比用构造函数更符合 Python 的风格，因为它更自解释——“把这个字符串用这个编码进行编码”比 bytes(some_string, encoding) 更清晰，后者没有明确的动词。

我查看了 Python 的源代码。如果你使用 CPython 将一个 Unicode 字符串传给 bytes，它会调用 PyUnicode_AsEncodedString，这就是 encode 的实现；所以如果你自己调用 encode，只是省略了一层间接调用。

另外，看看 Serdalis 的评论——unicode_string.encode(encoding) 也更符合 Python 的风格，因为它的反操作是 byte_string.decode(encoding)，这种对称性很不错。