本博轉載自：Chown-Jane-Y的淺析Python3中的bytes和str類型
Python 3最重要的新特性之一是對字符串和二進制數據流做了明確的區分。文本總是Unicode，由str類型表示，二進制數據則由bytes類型表示。Python 3不會以任意隱式的方式混用str和bytes，你不能拼接字符串和字節流，也無法在字節流里搜索字符串（反之亦然），也不能將字符串傳入參數為字節流的函數（反之亦然）。
下面讓我們深入分析一下二者的區別和聯系。
編碼發展的歷史
在談bytes和str之前，需要先說說關於編碼是如何發展的。。
在計算機歷史的早期，美國為代表的英語系國家主導了整個計算機行業，26個英文字母組成了多樣的英語單詞、語句、文章。因此，最早的字符編碼規范是ASCII碼，一種8位即1個字節的編碼規范，它可以涵蓋整個英語系的編碼需要。
編碼是什么？編碼就是把一個字符用一個二進制來表示。我們都知道，所有的東西，不管是英文、中文還是符號等等，最終存儲在磁盤上都是01010101這類東西。在計算機內部，讀取和存儲數據歸根結底，處理的都是0和1組成的比特流。問題來了，人類看不懂這些比特流，如何讓這些010101對人類變得可讀呢？於是出現了字符編碼，它是個翻譯機，在計算機內部某個地方，透明的幫我們將比特流翻譯成人類可以直接理解的文字。對於一般用戶，不需要知道這個過程是什么原理，是怎么執行的。但是對於程序員卻是個必須搞清楚的問題。
以ASCII編碼為例，它規定1個字節8個比特位代表1個字符的編碼，也就是“00000000”這么寬，一個一個字節的解讀。例如：01000001表示大寫字母A，有時我們會“偷懶"的用65這個十進制來表示A在ASCII中的編碼。8個比特位，可以沒有重復的最多表示2的8次方(255)個字符。
后來，計算機得到普及，中文、日文、韓文等等國家的文字需要在計算機內表示，ASCII的255位遠遠不夠，於是標准組織制定出了叫做UNICODE的萬國碼，它規定任何一個字符（不管哪國的）至少以2個字節表示，可以更多。其中，英文字母就是用2個字節，而漢字是3個字節。這個編碼雖然很好，滿足了所有人的要求，但是它不兼容ASCII，同時還占用較多的空間和內存。因為，在計算機世界更多的字符是英文字母，明明可以1個字節就能夠表示，非要用2個。
於是UTF-8編碼應運而生，它規定英文字母系列用1個字節表示，漢字用3個字節表示等等。因此，它兼容ASCII，可以解碼早期的文檔。UTF-8很快就得到了廣泛的應用。
在編碼的發展歷程中，我國還創造了自己的編碼方式，例如GBK，GB2312，BIG5。他們只局限於在國內使用，不被國外認可。在GBK編碼中，中文漢字占2個字節。
bytes和str之間的異同
回到bytes和str的身上。bytes是一種比特流，它的存在形式是01010001110這種。我們無論是在寫代碼，還是閱讀文章的過程中，肯定不會有人直接閱讀這種比特流，它必須有一個編碼方式，使得它變成有意義的比特流，而不是一堆晦澀難懂的01組合。因為編碼方式的不同，對這個比特流的解讀也會不同，對實際使用造成了很大的困擾。下面讓我們看看Python是如何處理這一系列編碼問題的：
>>> s = "中文" >>> s '中文' >>> type(s) <class 'str'> >>> b = bytes(s, encoding='utf-8') >>> b b'\xe4\xb8\xad\xe6\x96\x87' >>> type(b) <class 'bytes'>從例子可以看出，s是個字符串類型。Python有個內置函數bytes()可以將字符串str類型轉換成bytes類型，b實際上是一串01的組合，但為了在ide環境中讓我們相對直觀的觀察，它被表現成了b'\xe4\xb8\xad\xe6\x96\x87'這種形式，開頭的b表示這是一個bytes類型。\xe4是十六進制的表示方式，它占用1個字節的長度，因此”中文“被編碼成utf-8后，我們可以數得出一共用了6個字節，每個漢字占用3個，這印證了上面的論述。在使用內置函數bytes()的時候，必須明確encoding的參數，不可省略。
我們都知道，字符串類str里有一個encode()方法，它是從字符串向比特流的編碼過程。而bytes類型恰好有個decode()方法，它是從比特流向字符串解碼的過程。除此之外，我們查看Python源碼會發現bytes和str擁有幾乎一模一樣的方法列表，最大的區別就是encode和decode。
從實質上來說，字符串在磁盤上的保存形式也是01的組合，也需要編碼解碼。
如果，上面的闡述還不能讓你搞清楚兩者的區別，那么記住下面兩幾句話：
-
在將字符串存入磁盤和從磁盤讀取字符串的過程中，Python自動地幫你完成了編碼和解碼的工作，你不需要關心它的過程。
-
使用
bytes類型，實質上是告訴Python，不需要它幫你自動地完成編碼和解碼的工作，而是用戶自己手動進行，並指定編碼格式。 -
Python已經嚴格區分了
bytes和str兩種數據類型，你不能在需要bytes類型參數的時候使用str參數，反之亦然。這點在讀寫磁盤文件時容易碰到。
在bytes和str的互相轉換過程中，實際就是編碼解碼的過程，必須顯式地指定編碼格式。
>>> b b'\xe4\xb8\xad\xe6\x96\x87' >>> type(b) <class 'bytes'> >>> s1 = str(b) >>> s1 "b'\\xe4\\xb8\\xad\\xe6\\x96\\x87'" >>> type(s1) <class 'str'> >>> s1 = str(b, encoding='utf-8') >>> s1 '中文' >>> type(s1) <class 'str'>我們再把字符串s1，轉換成gbk編碼的bytes類型：
>>> s1 '中文' >>> type(s1) <class 'str'> >>> b = bytes(s1, encoding='gbk') >>> b b'\xd6\xd0\xce\xc4'