什么是Python的字符串

对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符：

>>>ord('A')
65
>>>ord('中')
20013
>>>chr(66)
'B'
>>>chr(25991)
'文'

如果知道字符的整数编码，还可以用十六进制这么写str：

>>>'\u4e2d\u6587'
'中文'

两种写法完全是等价的。

由于Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。

Python对bytes类型的数据用带b前缀的单引号或双引号表示：

x=b'ABC'

要注意区分'ABC'和b'ABC'，前者是str，后者虽然内容显示得和前者一样，但bytes的每个字符都只占用一个字节。

相关推荐：《Python视频教程》

以Unicode表示的str通过encode()方法可以编码为指定的bytes，例如：

>>>'ABC'.encode('ascii')
b'ABC'
>>>'中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
>>>'中文'.encode('ascii')
Traceback(mostrecentcalllast):
File"<stdin>",line1,in<module>
UnicodeEncodeError:'ascii'codeccan'tencodecharactersinposition0-1:ordinalnotinrange(128)

纯英文的str可以用ASCII编码为bytes，内容是一样的，含有中文的str可以用UTF-8编码为bytes。含有中文的str无法用ASCII编码，因为中文编码的范围超过了ASCII编码的范围，Python会报错。

在bytes中，无法显示为ASCII字符的字节，用\x##显示。

反过来，如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把bytes变为str，就需要用decode()方法：

>>>b'ABC'.decode('ascii')
'ABC'
>>>b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'

如果bytes中包含无法解码的字节，decode()方法会报错：

>>>b'\xe4\xb8\xad\xff'.decode('utf-8')
Traceback(mostrecentcalllast):
...
UnicodeDecodeError:'utf-8'codeccan'tdecodebyte0xffinposition3:invalidstartbyte

如果bytes中只有一小部分无效的字节，可以传入errors='ignore'忽略错误的字节：

>>>b'\xe4\xb8\xad\xff'.decode('utf-8',errors='ignore')
'中'

要计算str包含多少个字符，可以用len()函数：

>>>len('ABC')
3
>>>len('中文')
2

len()函数计算的是str的字符数，如果换成bytes，len()函数就计算字节数：

>>>len(b'ABC')
3
>>>len(b'\xe4\xb8\xad\xe6\x96\x87')
6
>>>len('中文'.encode('utf-8'))
6

可见，1个中文字符经过UTF-8编码后通常会占用3个字节，而1个英文字符只占用1个字节。