0x07 中介绍了 Python 中的字符串类型,字符串类型是对人类友好的符号,但计算机只认识一种符号,那就是二进制(binary)数,或者说是数字:
上面这张图片来自 OpenCV,非常直观地解释了计算机处理的信息与我们看到的图像之间的关系。回到 Python 对字节和字节数组的定义:
The core built-in types for manipulating binary data are
bytes
andbytearray
.
1Byte of ASCII
为了用计算机可以理解的数字描述人类使用的字符,我们需要一张数字与字符对应的表。我们都知道在计算机中 1 byte = 8bits
,可以存储 0~255
共256个值,也就是说 1byte
最多可以表示 256 个字符,在最初的计算机世界中,256 足以容纳所有大小写英文字母和 0~9
阿拉伯数字以及一些常用的符号,于是就有了 ASCII 编码:
在 Python 中创建字节与字符串类似,只不过需要在引号外面加一个前缀b
:
print(b"Python")
python = (b'P' b'y' b"t" b'o' b'n')
print(python)
b'Python'
b'Pyton'
Bytes 代表的是(二进制)数字的序列,只不过在是通过 ASCII
编码之后才是我们看到的字符形式,如果我们单独取出一个字节,它仍然是一个数字:
print(b"Python"[0])
80
我们可以用 b"*"
的形式创建一个字节类型,前提条件是这里的 *
必须是 ASCII
中可用的字符,否则将会超出限制:
print(b"雨")
File "<ipython-input-3-1f95d71c6553>", line 1
print(b"雨")
^
SyntaxError: bytes can only contain ASCII literal characters.
错误提示说明:字节类型只能允许 ASCII 字符。
0~127~255
那么问题来了,我们发现上面的 ASCII
表里面所有的字符只占据了 [31, 127]
,那对于这一范围之外的数字我们要怎么才能表示为字节类型?答案就是用特殊的转义符号\x
+十六进制数字 :
print(b'\xff'[0])
print(b'\x24')
255
b'$'
反过来我们也可以将数字(0~255)转变成转义后的字节类型:
print(bytes([24]))
print(bytes([36,36,36])) # 记住字节类型是一个序列
b'\x18'
b'$$$'
或者直接从十六进制得来:
print(bytes.fromhex("7b 7d"))
# 逆运算
print(b'{ }'.hex())
int(b' '.hex(), base=16)
b'{}'
7b207d
32
encode
字符串有 decode
方法,而字节有 encode
方法,我们这里先简单看一下 encode('ascii')
。对于给定的字符我们可以通过编码得到它在编码表里面的坐标(即码位),因此对字符进行encode('ascii')
操作是找到其在 ASCII
中的位置:
print("$".encode('ascii'))
print("$".encode('ascii')[0])
b'$'
36
也就是说字符 "$"
(0x07中已经介绍过这是一个 Unicode 编码的字符)在 ASCII
中的位置就是 $
(或者说36)。
可是如果我们对一些奇怪的字符进行 ASCII
编码,就会发生:
snake = '?'
try:
snake.encode('ascii')
except UnicodeEncodeError as err:
print(err)
# 正确的做法应该是用 UTF-8 进行编码,因为字符串都是 UTF-8 的
print(snake.encode()) # utf-8 by default
'ascii' codec can't encode character '\U0001f40d' in position 0: ordinal not in range(128)
b'\xf0\x9f\x90\x8d'
于是就得到了我们最熟悉的错误:ordinal not in range(128)
,至于为什么是 128,现在应该很好理解了吧!
字节数组
和字符串一样,字节类型也是不可变序列,而字节数组就是可变版本的字节,它们的关系就相当于list
与tuple
。
ba = bytearray(b'hello')
ba[0:1] = b'w'
print(ba)
bytearray(b'wello')
由于和字符串一样是序列类型,字节和字节数组可用的方法也类似,这里就不一一列举了。
总结
字节(字节数组)是二进制数据组成的序列,其中每个元素由8bit二进制即1byte亦即2位十六进制数亦亦即0~255组成;
字节是计算机的语言,字符串是人类语言,它们之间通过编码表形成一一对应的关系;
最小的
ASCII
编码表只需要一位字节,且只占用了其中[31,127]
的码位;
关于字节与字符串之间的关系,将在下一期[0x08]()详细介绍。
参考
欢迎关注公众号 PyHub!
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。