Cpython源码阅读11-你真的了解bytes和str吗

接上一篇，我们继续学习bytes对象和str对象，学习之前，先看一下它们的区别与联系。

Python3的新特性之一就是明确了字符串和二进制数据流的区别与联系。bytes对象只负责以二进制字节流的方式来记录所需的对象，至于对象到底是什么字符，则由相应的编码方式决定。字符串统一由str对象表示，不需要关心编码。计算机通过字节序列与内存和网络交互，字节序列统一由bytes对象表示。所以在存储和传输str对象的时候，需要将其编码为bytes对象。

str和bytes的区别和联系

编码是什么呢？编码就是把一个字符用一个二进制来表示。我们可以感觉到所有的英文、中文和符号等，最终在电脑中的形式都是类似00101100这些东西。计算机内部，读和写数据归根结底就是处理0和1组成的比特流。问题是0和1组成的比特流可读性不好，人类看不懂。字符编码就是把0和1这些比特流翻译成人们可以理解的字符。

ASCII编码，它规定一个字节（0000 0000）8个比特位代表一个字符的编码。举个例子，01000001表示大写字母A，有时我们也说十进制65表示A在ASCII中的编码，8个比特最多可以表示255个字符。

当计算机普及到中国之后，中国的中文需要在计算机内表示，ASCII的255位远远不够。于是有一个标准组织制定了叫做UNICODE的标准编码。它规定任何一个字符（哪个国家都可）至少以两个字节表示，可以更多。英文字母需要两个字节，汉字需要三个字节。这与英文字母需要一个字节的ASCII编码不兼容。

后来就有UTF-8编码应用而生，它规定英文字母用一个字节表示，中文用三个字节表示。这样就兼容了ASCII，UTF-8很快就得到了广泛应用。

python演示str和bytes

可以看出，str字符串 s = ‘你真的了解bytes和str吗’ 的bytes表示为b’\xe4\xbd\xa0\xe7\x9c\x9f\xe7\x9a\x84\xe4\xba\x86\xe8\xa7\xa3bytes\xe5\x92\x8cstr\xe5\x90\x97’。其中，前边的b表示这是一个bytes类型。

现在我们可以猜想一下，接下来要介绍的bytes对象和str对象，一个要包含解码方法，一个要包含编码方法。待下一篇我们在源码中一探究竟。