14.Python bytes類型及用法

Python 3 新增了 bytes 類型，用於代表字節串（這是本教程創造的一個詞，用來和字符串對應）。字符串（str）由多個字符組成，以字符為單位進行操作；字節串（bytes）由多個字節組成，以字節為單位進行操作。

bytes 和 str 除操作的數據單元不同之外，它們支持的所有方法都基本相同，bytes 也是不可變序列。

bytes 對象只負責以字節（二進制格式）序列來記錄數據，至於這些數據到底表示什么內容，完全由程序決定。如果采用合適的字符集，字符串可以轉換成字節串；反過來，字節串也可以恢復成對應的字符串。

由於 bytes 保存的就是原始的字節（二進制格式）數據，因此 bytes 對象可用於在網絡上傳輸數據，也可用於存儲各種二進制格式的文件，比如圖片、音樂等文件。

如果希望將一個字符串轉換成 bytes 對象，有如下三種方式：

1. 如果字符串內容都是 ASCII 字符，則可以通過直接在字符串之前添加 b 來構建字節串值。
2. 調用 bytes() 函數（其實是 bytes 的構造方法）將字符串按指定字符集轉換成字節串，如果不指定字符集，默認使用 UTF-8 字符集。
3. 調用字符串本身的 encode() 方法將字符串按指定字符集轉換成字節串，如果不指定字符集，默認使用 UTF-8 字符集。

例如，如下程序示范了如何創建字節串：

1. # 創建一個空的bytes
2. b1 = bytes()
3. # 創建一個空的bytes值
4. b2 = b''
5. # 通過b前綴指定hello是bytes類型的值
6. b3 = b'hello'
7. print(b3)
8. print(b3[0])
9. print(b3[2:4])
10. # 調用bytes方法將字符串轉成bytes對象
11. b4 = bytes('我愛Python編程',encoding='utf-8')
12. print(b4)
13. # 利用字符串的encode()方法編碼成bytes，默認使用utf-8字符集
14. b5 = "學習Python很有趣".encode('utf-8')
15. print(b5)

上面程序中 b1～b5 都是字節串對象，該程序示范了以不同方式來構建字節串對象。其中 b2、b3 都是直接在 ASCII 字符串前添加b前綴來得到字節串的：b4 調用 bytes() 函數來構建字節串；而 b5 則調用字符串的 encode 方法來構建字節串。

運行上面程序，可以看到如下輸出結果：

b'hello'
104
b'll'
b'\xe6\x88\x91\xe7\x88\xb1Python\xe7\xbc\x96\xe7\xa8\x8b'
b'\xe5\xad\xa6\xe4\xb9\xa0Python\xe5\xbe\x88\xe6\x9c\x89\xe8\xb6\xa3'

從上面的輸出結果可以看出，字節串和字符串非常相似，只是字節串里的每個數據單元都是 1 字節。

計算機底層有兩個基本概念：位（bit）和字節（Byte），其中 bit 代表 1 位，要么是 0，要么是 1，就像一盞燈，要么打開，要么熄滅；Byte 代表 1 字節，1 字節包含 8 位。

在字節串中每個數據單元都是字節，也就是 8 位，其中每 4 位（相當於 4 位二進制數，最小值為 0 ，最大值為 15）可以用一個十六進制數來表示，因此每字節需要兩個十六進制數表示，所以可以看到上面的輸出是 b'\xe6\x88\x91\xe7\x88\xb1Python\xe7\xbc\x96\xe7\xa8\x8b'，比如 \xe6 就表示 1 字節，其中 \x 表示十六進制，e6 就是兩位的十六進制數。

如果程序獲得了 bytes 對象，也可調用 bytes 對象的 decode() 方法將其解碼成字符串，例如，在上面程序中添加如下代碼：

1. #將bytes 對象解碼成字符串，默認使用UTF-8進行解碼
2. st = b5.decode('utf-8')
3. print(st)#學習Python很有趣

運行上面程序，可以看到如下輸出結果：

學習Python很有趣

這里簡單介紹一下字符集的概念。計算機底層並不能保存字符，但程序總是需要保存各種字符的，那該怎么辦呢？計算機“科學家”就想了一個辦法：為每個字符編號，當程序要保存字符時，實際上保存的是該字符的編號；當程序讀取字符時，讀取的其實也是編號，接下來要去查“編號一字符對應表”（簡稱碼表）才能得到實際的字符。

因此，所謂的字符集，就是所有字符的編號組成的總和。早期美國人給英文字符、數字、標點符號等字符進行了編號，他們認為所有字符加起來頂多 100 多個，只要 1 字節（8 位，支持 256 個字符編號）即可為所有字符編號一一這就是 ASCII 字符集。

后來，亞洲國家紛紛為本國文字進行編號，即制訂本國的字符集，但這些字符集並不兼容。於是美國人又為世界上所有書面語言的字符進行了統一編號，這次他們用了兩個字節(16 位，支持 65536 個字符編號），這就是 Unicode 字符集。實際使用的 UTF-8, UTF-16 等其實都屬於 Unicode 字符集。

由於不同人對字符的編號完全可以很隨意，比如同一個“愛”字，我可以為其編號為 99，你可以為其編號為 199，所以同一個編號在不同字符集中代表的字符完全有可能是不同的。因此，對於同一個字符串，如果采用不同的字符集來生成 bytes 對象，就會得到不同的 bytes 對象。