Python中的"字节串"（`bytes`数据类型）是什么？
在Python中，什么是“字节串”？bytes类型是什么，它是如何工作的呢？
我的理解是，普通的“ASCII字符串”存储的是一系列“字符”，这些字符的“ASCII值”范围是0到255，每个数字代表一个字符。同样，我知道Unicode使用8位或16位来表示每个字符。
举个更清楚的例子：假设我执行了
>>> 'a'.encode()
b'a'
好的，结果是一个bytes，它存储了一个字节。
不过，我听说bytes表示的是一个不可变的字节序列，没有特定的解释。那么……我为什么能读到“a”呢？
如果我用命令行查看这个字符的ASCII值：
$ printf "%d\n" "'a"
97
这就有点道理了。如果我们把数字97当作ASCII来看，那么我们就得到了字母a。同样，这个值用二进制表示，扩展到8位，就是01100001。
那么，为什么'a'.encode()看起来像b'a'而不是b'97'，或者b'01100001'（底层的位模式）？为什么它看起来和ASCII解释的结果一样？
说到这个，如果我把一个bytes写入以二进制模式打开的文件：
with open('testbytestring.txt', 'wb') as f:
f.write(b'helloworld')
我在文件中仍然能看到人类可读的文本helloworld！这是为什么呢？
4 个回答
字节对象是一种不可改变的单字节序列。文档里对它们是什么以及如何使用有很好的解释。
顾名思义，Python 2/3 中的 bytes（在 Python 2.7 中也可以简单称为 str）就是一串 字节。而且，正如其他人所提到的，它是不可变的，也就是说一旦创建就不能更改。
它和 Python 3 中的 str（更准确地说，在 Python 2.7 中是 unicode）是不同的。str 是一串 抽象的 Unicode 字符（也叫 UTF-32，不过 Python 3 在底层做了一些优化，使得实际占用的内存更少，类似于 UTF-8，甚至可能更通用）。
基本上，有三种方式来“解释”这些字节。你可以查看某个元素的数字值，像这样：
>>> ord(b'Hello'[0]) # Python 2.7 str
72
>>> b'Hello'[0] # Python 3 bytestring
72
或者你可以告诉 Python 将一个或多个元素以 8位字符 的形式输出到终端（或者文件、设备、套接字等），像这样：
>>> print b'Hello'[0] # Python 2.7 str or bytes
H
>>> import sys
>>> sys.stdout.buffer.write(b'Hello'[0:1]) and None; print() # Python 3 bytes
H
正如 Jack 提到的，在这种情况下，是 你的终端 在解释字符，而不是 Python。
最后，正如你在自己的研究中看到的，你也可以让 Python 来解释 bytes。例如，在 Python 2.7 中，你可以这样构建一个抽象的 unicode 对象：
>>> u1234 = unicode(b'\xe1\x88\xb4', 'utf-8')
>>> print u1234.encode('utf-8') # if terminal supports UTF-8
ሴ
>>> u1234
u'\u1234'
>>> print ('%04x' % ord(u1234))
1234
>>> type(u1234)
<type 'unicode'>
>>> len(u1234)
1
>>>
在 Python 3 中可以这样做：
>>> u1234 = str(b'\xe1\x88\xb4', 'utf-8')
>>> print (u1234) # if terminal supports UTF-8 AND python auto-infers
ሴ
>>> u1234.encode('unicode-escape')
b'\\u1234'
>>> print ('%04x' % ord(u1234))
1234
>>> type(u1234)
<class 'str'>
>>> len(u1234)
1
（我相信 Python 2.7 和 Python 3 之间在字节串、字符串和 Unicode 方面的语法差异，可能与 Python 2.7 的持续受欢迎有关。我想当 Python 3 被创造出来时，他们还没有意识到一切都会变成 UTF-8，因此关于抽象的讨论是多余的）。
但是，如果你不想让 Unicode 抽象化，这个过程不会自动发生。bytes 的意义在于你可以直接访问字节。即使你的字符串恰好是一个 UTF-8 序列，你仍然可以访问序列中的字节：
>>> len(b'\xe1\x88\xb4')
3
>>> b'\xe1\x88\xb4'[0]
'\xe1'
这在 Python 2.7 和 Python 3 中都适用，区别在于在 Python 2.7 中你有 str 或 bytes，而在 Python 3 中你只有 bytes。
你还可以用 bytes 做其他很棒的事情，比如知道它们是否能适合文件中的保留空间，直接通过套接字发送它们，正确计算 HTTP 的 content-length 字段，以及避免 Python Bug 8260。简而言之，当你的数据以字节形式处理和存储时，使用 bytes。
很多人误以为文本就是ASCII、UTF-8或者Windows-1252，因此字节就是文本。
其实，文本就像图像一样，文本就是文本。把文本或图像存储到磁盘上，其实是把这些数据编码成一串字节。编码图像成字节的方法有很多，比如JPEG、PNG、SVG，而编码文本的方法也有很多，比如ASCII、UTF-8或Windows-1252。
一旦编码完成，字节就只是字节了。字节不再是图像，它们忘记了自己代表的颜色，虽然图像格式解码器可以恢复这些信息。字节同样也忘记了它们曾经是哪些字母。实际上，字节根本不记得自己是图像还是文本。只有一些外部的信息（比如文件名、媒体头等）才能猜测这些字节应该代表什么，甚至这些信息也可能是错误的（比如数据损坏的情况下）。
所以，在Python（Python 3）中，我们有两种看起来可能相似的类型；对于文本，我们有str，它知道自己是文本，知道自己应该代表哪些字母。它不知道这些字母可能对应哪些字节，因为字母和字节是不同的。我们还有bytestring，它不知道自己是文本、图像还是其他类型的数据。
这两种类型表面上看起来相似，因为它们都是一系列的东西，但它们所包含的东西却大不相同。
在实现上，str在内存中以UCS-?的形式存储，其中的?是由实现决定的，可能是UCS-4、UCS-2或UCS-1，这取决于编译时的选项和表示字符串中包含的码点。
“但为什么呢？”
一些看起来像文本的东西实际上是用其他方式定义的。一个很好的例子就是世界上许多互联网协议。例如，HTTP是一个“文本”协议，但实际上是用ABNF语法定义的，这种语法在RFC中很常见。这些协议是用八位字节来表达的，而不是字符，尽管也可能会建议一种非正式的编码方式：
规则解析为一串终端值，有时称为字符。在ABNF中，字符仅仅是一个非负整数。在某些情况下，会指定将值映射（编码）到字符集（如ASCII）中的特定方式。
这个区别很重要，因为在互联网上无法发送文本，唯一能做的就是发送字节。说“文本但用‘foo’编码”会让格式变得更加复杂，因为客户端和服务器需要自己搞清楚编码的问题，希望它们能以相同的方式处理，因为最终它们必须以字节的形式传递数据。这是双重无用，因为这些协议通常根本不涉及文本处理，只是为了方便实现者。服务器所有者和最终用户都不关心看到Transfer-Encoding: chunked这些字眼，只要服务器和浏览器能正确理解就行。
相比之下，当处理文本时，你并不在乎它是如何编码的。你可以用任何方式表达“Heävy Mëtal Ümlaüts”，除了“Heδvy Mλtal άmlaόts”。
因此，这两种不同的类型让你可以明确地表示“这个值是文本”或“这个值是字节”。
Python 并不知道如何表示字节串。这就是重点。
当你在几乎任何输出窗口中输出值为97的字符时，你会看到字符'a'，但这并不是实现的一部分；这只是一个在本地成立的事实。如果你想要编码，就不能使用字节串。如果你使用字节串，就没有编码。
你提到的.txt文件说明你对发生的事情有些误解。你看，普通文本文件也没有编码。它们只是一系列字节。这些字节会被文本编辑器翻译成字母，但如果你使用的字符超出了常见的ASCII字符范围，完全没有保证其他人打开你的文件时会看到和你一样的内容。