首页 | 新闻 | 交流 | 问吧 | 文档 | 手册 | 下载 | 博客

python31高级[unicode和bytes]

作者:  时间: 2011-03-28

 

一 Python3 中字符串的类型

 

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

Return a new array of bytes. The bytearray type is a mutable sequence of integers in the range 0 <= x < 256.

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

Return a new “bytes” object, which is an immutable sequence of integers in the range 0 <= x < 256. bytes is an immutable version of bytearray.

str([object[, encoding[, errors]]])

Return a string version of an object. str默认为unicode的字符串。

 

 

貌似也没有了2.x中的basestring类型了。

 

二 实例

 

# -*- coding: gbk -*-

def TestisStrOrUnicdeOrString():
  bs 
= b'Hello'
  ustr 
= 'abc'
  
print (isinstance(bs, str))  #False
  print (isinstance(bs,bytes)) #True
  print (isinstance(ustr,str)) #True
  print (isinstance(ustr, bytes)) #False
  print (isinstance(bs,(bytes,str))) #True


def TestChinese():
  us 
= '中国'
  bs 
= 'AAA'
  bs2 
= bytes('中国','gbk')
  
  
print (us + ':' + str(type(us))) #中国:<class 'str'>
  print (bs) #AAA
  print (bs2) # b'\xd6\xd0\xb9\xfa'
  print (':' + str(type(bs2))) #:<class 'bytes'>
  print (bs2.decode('gbk')) #中国
  
  
# TypeError: Can't convert 'bytes' object to str implicitly
  #newstr = us + bs2
  
  
print ('us == bs2' + ':' + str(us == bs2)) #us == bs2:False
  
  s3 
= 'AAA中国'
  
print (s3) # AAA中国
  
  s4 
= bytes('AAA中国','gbk')
  
print (s4) # b'AAA\xd6\xd0\xb9\xfa'
  
def TestPrint():
  
print ('AAA' + '中国')  # AAA中国
  #print (b'AAA' + b'中国') #  # SyntaxError: bytes can only contain ASCII literal characters.
  #print ('AAA' + bytes('中国','gbk')) # TypeError: Can't convert 'bytes' object to str implicitly
  
def TestCodecs():
    
import codecs
    
    look  
= codecs.lookup("gbk")

    a 
= bytes("北京",'gbk')

    
print (len(a), a, type(a)) #4 b'\xb1\xb1\xbe\xa9' <class 'bytes'>

    b 
= look.decode(a)
    
print (b[1], b[0], type(b[0])) #4 北京 <class 'str'>
    

if __name__ == '__main__':
    TestisStrOrUnicdeOrString()
    TestChinese()
    TestPrint()
    TestCodecs()

 

 

三 总结

 

1) Python 3会假定我们的源码 — 即.py文件 — 使用的是UTF-8编码方式。Python 2里,.py文件默认的编码方式为ASCII。可以使用# -*- coding: windows-1252 -*-方式来改变文件的编码。如果py文件中包含中文的字符串,则需要制定为# -*- coding: gbk -*-,貌似默认的utf8不够哦。

2) python3中默认的str为unicode的,可以使用str.encode来转为bytes类型。

3) python3的print函数只支持unicode的str,貌似没有对bytes的解码功能,所以对对不能解码的bytes不能正确输出。

4) str和bytes不能连接和比较。

5) codecs任然可以用来str和bytes间的转化。

6) 定义非ascii码的bytes时,必须使用如 bytes('中国','gbk') 来转码。

7)貌似必须在中文系统或者系统安装中文的语言包后gbk解码才能正常工作。

 

python 2.6 的字符及编码转化见 :http://www.cnblogs.com/itech/archive/2011/03/27/1996883.html

 

 

完!