2.20 字節(jié)字符串上的字符串操作

問題

你想在字節(jié)字符串上執(zhí)行普通的文本操作(比如移除，搜索和替換)。

解決方案

字節(jié)字符串同樣也支持大部分和文本字符串一樣的內(nèi)置操作。比如：

>>> data = b'Hello World'
>>> data[0:5]
b'Hello'
>>> data.startswith(b'Hello')
True
>>> data.split()
[b'Hello', b'World']
>>> data.replace(b'Hello', b'Hello Cruel')
b'Hello Cruel World'
>>>

這些操作同樣也適用于字節(jié)數(shù)組。比如：

>>> data = bytearray(b'Hello World')
>>> data[0:5]
bytearray(b'Hello')
>>> data.startswith(b'Hello')
True
>>> data.split()
[bytearray(b'Hello'), bytearray(b'World')]
>>> data.replace(b'Hello', b'Hello Cruel')
bytearray(b'Hello Cruel World')
>>>

你可以使用正則表達式匹配字節(jié)字符串，但是正則表達式本身必須也是字節(jié)串。比如：

>>>
>>> data = b'FOO:BAR,SPAM'
>>> import re
>>> re.split('[:,]',data)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/local/lib/python3.3/re.py", line 191, in split
return _compile(pattern, flags).split(string, maxsplit)
TypeError: can't use a string pattern on a bytes-like object
>>> re.split(b'[:,]',data) # Notice: pattern as bytes
[b'FOO', b'BAR', b'SPAM']
>>>

討論 大多數(shù)情況下，在文本字符串上的操作均可用于字節(jié)字符串。 然而，這里也有一些需要注意的不同點。首先，字節(jié)字符串的索引操作返回整數(shù)而不是單獨字符。比如：

>>> a = 'Hello World' # Text string
>>> a[0]
'H'
>>> a[1]
'e'
>>> b = b'Hello World' # Byte string
>>> b[0]
72
>>> b[1]
101
>>>

這種語義上的區(qū)別會對于處理面向字節(jié)的字符數(shù)據(jù)有影響。

第二點，字節(jié)字符串不會提供一個美觀的字符串表示，也不能很好的打印出來，除非它們先被解碼為一個文本字符串。比如：

>>> s = b'Hello World'
>>> print(s)
b'Hello World' # Observe b'...'
>>> print(s.decode('ascii'))
Hello World
>>>

類似的，也不存在任何適用于字節(jié)字符串的格式化操作：

>>> b'%10s %10d %10.2f' % (b'ACME', 100, 490.1)
Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
TypeError: unsupported operand type(s) for %: 'bytes' and 'tuple'
>>> b'{} {} {}'.format(b'ACME', 100, 490.1)
Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
AttributeError: 'bytes' object has no attribute 'format'
>>>

如果你想格式化字節(jié)字符串，你得先使用標準的文本字符串，然后將其編碼為字節(jié)字符串。比如：

>>> '{:10s} {:10d} {:10.2f}'.format('ACME', 100, 490.1).encode('ascii')
b'ACME 100 490.10'
>>>

最后需要注意的是，使用字節(jié)字符串可能會改變一些操作的語義，特別是那些跟文件系統(tǒng)有關(guān)的操作。比如，如果你使用一個編碼為字節(jié)的文件名，而不是一個普通的文本字符串，會禁用文件名的編碼/解碼。比如：

>>> # Write a UTF-8 filename
>>> with open('jalape\xf1o.txt', 'w') as f:
...     f.write('spicy')
...
>>> # Get a directory listing
>>> import os
>>> os.listdir('.') # Text string (names are decoded)
['jalape?o.txt']
>>> os.listdir(b'.') # Byte string (names left as bytes)
[b'jalapen\xcc\x83o.txt']
>>>

注意例子中的最后部分給目錄名傳遞一個字節(jié)字符串是怎樣導致結(jié)果中文件名以未解碼字節(jié)返回的。在目錄中的文件名包含原始的UTF-8編碼。參考5.15小節(jié)獲取更多文件名相關(guān)的內(nèi)容。

最后提一點，一些程序員為了提升程序執(zhí)行的速度會傾向于使用字節(jié)字符串而不是文本字符串。盡管操作字節(jié)字符串確實會比文本更加高效(因為處理文本固有的Unicode相關(guān)開銷)。這樣做通常會導致非常雜亂的代碼。你會經(jīng)常發(fā)現(xiàn)字節(jié)字符串并不能和Python的其他部分工作的很好，并且你還得手動處理所有的編碼/解碼操作。坦白講，如果你在處理文本的話，就直接在程序中使用普通的文本字符串而不是字節(jié)字符串。不做死就不會死！