字符串文字前面的“b”字符有什么作用？

Question

显然，以下是有效的语法：

 b'The string'

我想知道：

1. 字符串前面的这个 b 字符是什么意思？
2. 使用它有什么效果？
3. 什么情况下适合使用它？

我在 SO 上找到了一个 相关的问题，但这个问题是关于 PHP 的，它指出 b 用于指示字符串是二进制的，而不是 Unicode，这是代码所必需的迁移到 PHP 6 时，从 PHP < 6 的版本兼容。我认为这不适用于 Python。

我确实在 Python 网站上找到了有关使用 u 字符以相同的语法将字符串指定为 Unicode 的 文档。不幸的是，它没有在该文档的任何地方提到 b 字符。

另外，出于好奇，是否有比 b 和 u 更多的符号来做其他事情？

原文由 Jesse Webb 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

引用 Python 2.x 文档：

在 Python 2 中，前缀 ‘b’ 或 ‘B’ 被忽略；它表示文字应该成为 Python 3 中的字节文字（例如，当代码使用 2to3 自动转换时）。 ‘u’ 或 ‘b’ 前缀后面可能跟有 ‘r’ 前缀。

Python 3 文档 指出：

字节文字总是以’b’或’B’为前缀；它们生成 bytes 类型而不是 str 类型的实例。它们可能只包含 ASCII 字符；数值为 128 或更大的字节必须用转义表示。

原文由 NPE 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

Python 3.x 对类型进行了明确区分：

• str = '...' 文字 = Unicode 字符序列（Latin-1、UCS-2 或 UCS-4， 取决于字符串中最宽的字符）
• bytes = b'...' 文字 = 八位字节序列（0 到 255 之间的整数）

如果您熟悉：

• Java或C#，认为 str 作为 String 和 bytes 作为 byte[] ;
• SQL, think of str as NVARCHAR and bytes as BINARY or BLOB ;
• Windows注册表，将 str 视为 REG_SZ 和 bytes 作为 REG_BINARY .

如果您熟悉 C(++)，那么请忘记您所了解的有关 char 和字符串 的所有内容，因为字符不是字节。这个想法早就过时了。

当您想要表示文本时，您可以使用 str 。

 print('שלום עולם')

当你想表示像结构这样的低级二进制数据时，你可以使用 bytes 。

 NaN = struct.unpack('>d', b'\xff\xf8\x00\x00\x00\x00\x00\x00')[0]

您可以将 str 编码 为 --- bytes 对象。

 >>> '\uFEFF'.encode('UTF-8')
b'\xef\xbb\xbf'

您可以将 bytes 解码为 str 。

 >>> b'\xE2\x82\xAC'.decode('UTF-8')
'€'

但是你不能随意混合这两种类型。

 >>> b'\xEF\xBB\xBF' + 'Text with a UTF-8 BOM'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: can't concat bytes to str

b'...' 符号有点令人困惑，因为它允许使用 ASCII 字符而不是十六进制数字指定字节 0x01-0x7F。

 >>> b'A' == b'\x41'
True

但我必须强调， 字符不是字节。

 >>> 'A' == b'A'
False

在 Python 2.x 中

Python 3.0 之前的版本缺乏这种文本和二进制数据之间的区别。相反，有：

• unicode = u'...' 文字 = Unicode 字符序列 = 3.x str
• str = '...' 文字 = 混淆字节/字符序列
  • 通常是文本，以某种未指定的编码进行编码。
  • 但也用于表示二进制数据，如 struct.pack 输出。

为了简化 2.x 到 3.x 的转换， b'...' 文字语法被反向移植到 Python 2.6，以允许区分二进制字符串（应该是 bytes 在 3.x 中）来自文本字符串（在 3.x 中应该是 str ）。 b 前缀在 2.x 中不执行任何操作，但告诉 2to3 脚本不要将其转换为 3.x 中的 Unicode 字符串。

所以是的， b'...' Python 中的文字与它们在 PHP 中的用途相同。

另外，出于好奇，是否有比 b 和 u 更多的符号做其他事情？

The r prefix creates a raw string (eg, r'\t' is a backslash + t instead of a tab), and triple quotes '''...''' 或 """...""" 允许多行字符串文字。

原文由 dan04 发布，翻译遵循 CC BY-SA 4.0 许可协议