什么是 Python 字符串

对于单个字符的编码，Python 提供了 ord() 函数来获取字符的整数表示，以及 chr() 函数将编码转换为对应的字符：

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

如果你知道字符的整数编码，你也可以像这样用十六进制写 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，所以在内存中用Unicode表示，一个字符对应几个字节。如果你想通过网络传输它，或者将它保存到磁盘，你需要将 str 转换为以字节为单位的字节。

Python 使用以 b 为前缀的单引号或双引号来表示字节类型的数据：

x = b'ABC'

注意区分'ABC'和b'ABC'，前者是str，后者虽然显示内容和前者一样，但是bytes的每个字符只占一个字节。

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 (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

纯英文str可以用ASCII编码为字节，内容相同，包含中文的str可以用UTF-8编码为字节。包含中文的str不能用ASCII编码，因为中文编码的范围超出了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。

相反，如果我们从网络或磁盘读取字节流，则读取的数据是字节。要将字节转换为 str，你需要使用 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 (most recent call last):
  ...
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte

如果字节中只有少量无效字节，可以通过 errors='ignore' 忽略坏字节：

>>> 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 str 中的字符数。如果用字节代替，len() 函数计算字节数：

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

可以看出，UTF-8编码后1个汉字通常占用3个字节，而1个英文字符只占用1个字节。