Question

我的问题是关于python 3.0字符串。

我的理解是，对于第str = "a"行，字符“＆＃39; a＆＃39;被编码（例如使用utf-8）并存储在str对象中。如果UTF-8代表＆＃39; a＆＃39;是1个字节，字符串是1个字节长。我是对的吗？
如果上述情况属实，当我们使用read（）读取二进制文件时会发生什么。假设我有一个带有两个字节的二进制数据的双字节文件，我使用读取命令（如
）在字符串中读取它
```
open(fileName, mode='rb') 
    str= file.read()
```
现在str将是两个字节长，每个字节将存储在fileName中。我是对的吗？
如果我在上述方面是对的，那么str对象不是任何特定的编码格式（如UTF等），那么python字符串总是unicode是什么意思呢？如果我调用str.encode（）会发生什么。这没有意义吗？
从文件读取的str对象实际上是一个字节数组。有没有办法将其转换为bytearray类型？

Answer 1

你很困惑。＆＃34;编码＆＃34;属于字节字符串，而不属于 unicode字符串。有意义的陈述：＆＃34;这个字节串是utf-8编码的。＆＃34;，＆＃34;这个字节串长2个字节。＆＃34;无意义的语句：＆＃34;这个unicode字符串是utf-8编码＆＃34;，＆＃34;这个unicode字符串长2个字节＆＃34;

str = "a"表示＆＃34;创建一个unicode字符串＆＃39; a＆＃39;并且引用它命名为str＆＃34;。当然，Unicode字符串在某些编码中存储，因为它需要在内存中作为字节存在，但这是不相关的。您的所有代码都将其视为根本没有编码 - 它已从字节中抽象出来。 unicode字符串是一系列unicode代码点（即表示字符的整数）。
是和否。 str此处（read()的返回值）是字节字符串，而不是 unicode字符串。 "a" != b"a"。
您的字节字符串str拥有未知编码，必须解码才能生成unicode字符串。字节字符串没有encode()方法，因为它没有意义 - 它们或者已经是unicode字符串的编码，或者它们根本不代表unicode字符串（例如图像）。
它不是一个字节数组，它是一个字节字符串。 bytearray是可变字节列表。您可以使用bytearray(byte_string)生成一个bytearray，但bytearrays用于相当专业的用途（例如，避免复制send-recv缓冲区），而不是随意使用。通常你只需要一个字节串。

Answer 2

当您以二进制模式读取文件时，read()方法返回的值是bytes对象，而不是str对象。文档深入探讨了这一点。

>>> with open('foo', mode='rb') as f: s = f.read()
... 
>>> s
b'abc\n'
>>> len(s)
4
>>> type(s)
<class 'bytes'>

Answer 3

Python字符串存储 Unicode代码点。

代码点与字节不同。字节是数字的计算机表示（通常在0到255之间），并且这些数字可以通过解码过程转换为代码点，而在另一个方向上通过编码转换。 Python 3字符串包含代码点，文本中每个字符都有一个。

Python源代码可以使用一系列字节定义字符串文字，默认情况下解释器使用UTF-8编解码器解码为unicode，但您可以在文件顶部设置其他编解码器。在磁盘上，UTF-8编码中的字母a确实只是一个字节，这是UTF-8标准的性质。

如果您在文本模式下读取文件，Python会自动为您应用解码过程，但是当您以二进制模式打开它时，不会进行解码，而是获得bytes对象。该对象的内容应该完全反映文件的内容。请注意，类型为str的不，它不是unicode，甚至不是Python字符串。要将字节转换为字符串，您需要使用.decode()方法明确解码。

bytearray从bytes值创建，只需在其上调用bytesarray()。

python字符串和二进制数据

3 个答案: