Python 3 的字符串本质
首先要理解一个最关键的概念：在 Python 3 中，字符串（str）类型本身就是 Unicode 字符串。
（图片来源网络，侵删）
这意味着你不需要像在 Python 2 中那样进行“Unicode 转字符串”的转换，当你写一个字符串字面量时，Python 就会将其存储为 Unicode。
# 这是一个 Python 3 字符串，它内部就是 Unicode my_unicode_string = "你好，世界！Hello, World!" # 你可以检查它的类型 print(type(my_unicode_string)) # 输出: <class 'str'>
你真正需要处理的情况通常是以下两种：
- 从其他编码（如 UTF-8, GBK）的字节流（
bytes）解码成 Unicode 字符串（str）。 - 将 Unicode 字符串（
str）编码成特定编码的字节流（bytes），以便存储或传输。
将字节流解码为 Unicode 字符串（bytes -> str）
当你从文件、网络或数据库中读取数据时，你得到的是字节流（bytes）类型，而不是字符串，你需要将其解码成 Python 的 str 类型。
方法：使用 .decode() 方法
.decode() 方法用于将 bytes 对象转换为 str 对象。
（图片来源网络，侵删）
语法：
bytes_object.decode(encoding='utf-8', errors='strict')
encoding: 指定字节流使用的编码，如'utf-8','gbk','ascii'等，如果不指定，Python 3 默认使用'utf-8'。errors: 指定解码错误时的处理方式，常用值有：'strict'(默认): 遇到无法解码的字节会抛出UnicodeDecodeError。'ignore': 忽略无法解码的字节。'replace': 将无法解码的字节替换成一个占位符（通常是 ）。
示例：
假设你有一个 UTF-8 编码的字节流。
# 这是一个 UTF-8 编码的字节流
utf8_bytes = b'\xe4\xbd\xa0\xe5\xa5\xbd' # 这是 "你好" 的 UTF-8 编码
# 1. 正确解码（使用正确的编码）
# 将 bytes 转换为 str
my_string = utf8_bytes.decode('utf-8')
print(my_string) # 输出: 你好
print(type(my_string)) # 输出: <class 'str'>
# 2. 错误解码（使用错误的编码）
# 如果你用 'ascii' 解码 UTF-8 字节，会出错
try:
utf8_bytes.decode('ascii')
except UnicodeDecodeError as e:
print(f"解码失败: {e}")
# 输出: 解码失败: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128)
# 3. 使用 errors='replace' 处理错误
# 将无法解码的字节替换为 �
replaced_string = utf8_bytes.decode('ascii', errors='replace')
print(replaced_string) # 输出: ����
将 Unicode 字符串编码为字节流（str -> bytes）
当你需要将字符串写入文件、发送到网络或进行其他需要二进制数据的操作时，你需要将其编码成字节流。
方法：使用 .encode() 方法
.encode() 方法用于将 str 对象转换为 bytes 对象。
语法：
str_object.encode(encoding='utf-8', errors='strict')
参数与 .decode() 类似。
示例：
# 这是一个 Python 3 的 Unicode 字符串
my_string = "你好"
# 1. 将字符串编码为 UTF-8 字节流
utf8_bytes = my_string.encode('utf-8')
print(utf8_bytes) # 输出: b'\xe4\xbd\xa0\xe5\xa5\xbd'
print(type(utf8_bytes)) # 输出: <class 'bytes'>
# 2. 将字符串编码为 GBK 字节流（另一种常见的中文编码）
gbk_bytes = my_string.encode('gbk')
print(gbk_bytes) # 输出: b'\xc4\xe3\xba\xc3'
print(type(gbk_bytes)) # 输出: <class 'bytes'>
# 3. 将字符串编码为 ASCII 字节流
# ASCII 编码不支持中文字符，会报错
try:
my_string.encode('ascii')
except UnicodeEncodeError as e:
print(f"编码失败: {e}")
# 输出: 编码失败: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
# 4. 使用 errors='replace' 处理错误
replaced_bytes = my_string.encode('ascii', errors='replace')
print(replaced_bytes) # 输出: b'??'
总结与最佳实践
| 操作 | 方法 | 输入类型 | 输出类型 | 描述 |
|---|---|---|---|---|
| 解码 | my_bytes.decode('utf-8') |
bytes |
str |
将字节流（如从文件读取）转换为 Python 的 Unicode 字符串。 |
| 编码 | my_str.encode('utf-8') |
str |
bytes |
将 Unicode 字符串转换为字节流（如写入文件或网络传输）。 |
最佳实践建议：
- 在代码内部，统一使用
str类型。 所有字符串处理、逻辑运算都在str层面完成。 - 在输入/输出（I/O）的边界进行编码和解码。
- 读取文件/网络数据时：立即使用
.decode()将bytes转为str。 - 写入文件/发送网络数据时：在最后一步使用
.encode()将str转为bytes。
- 读取文件/网络数据时：立即使用
- 优先使用 UTF-8 编码。 UTF-8 是目前事实上的标准，它可以表示地球上几乎所有的字符，并且与 ASCII 兼容，是跨平台、跨语言最安全的选择。
完整示例：读写文件
# --- 写入文件 ---
content_to_write = "你好，Python 世界！"
# 1. 将字符串编码为 UTF-8 字节
bytes_to_write = content_to_write.encode('utf-8')
# 2. 以二进制模式 ('wb') 写入文件
with open('my_file.txt', 'wb') as f:
f.write(bytes_to_write)
print("文件已写入。")
# --- 读取文件 ---
# 1. 以二进制模式 ('rb') 读取文件，得到字节流
with open('my_file.txt', 'rb') as f:
bytes_read = f.read()
# 2. 将字节流解码为字符串
content_read = bytes_read.decode('utf-8')
print(f"文件内容: {content_read}")
print(f"类型: {type(content_read)}")
这个例子清晰地展示了在 I/O 操作的两端，encode 和 decode 是如何协同工作的，记住这个模式，你就能轻松处理所有与 Unicode 相关的问题。
