全网最适合入门的面向对象编程教程：55 Python 字符串与序列化-字节序列类型和可变字节字符串

本文档主要介绍如何使用 Python 进行面向对象编程，需要读者对 Python 语法和单片机开发具有基本了解。相比其他讲解 Python 面向对象编程的博客或书籍而言，本文档更加详细、侧重于嵌入式上位机应用，以上位机和下位机的常见串口数据收发、数据处理、动态图绘制等为应用实例，同时使用 Sourcetrail 代码软件对代码进行可视化阅读便于读者理解。

相关示例代码获取链接如下：https://github.com/leezisheng/Python-OOP-Demo

正文

字符编码和字节序列 bytes

在计算机内存中，我们遵循标准化的编码原则，普遍采用 Unicode 编码体系。然而，当需要将数据持久化保存至硬盘或进行网络传输时，我们则将其转换为 UTF-8 编码。举例来说，当我们使用记事本进行文档编辑时，从文件中读取的 UTF-8 字符将被转换为 Unicode 字符以适应内存处理。编辑工作完成后，系统再将这些 Unicode 字符转换回 UTF-8 编码，以确保文件保存的准确性和兼容性。这一流程确保了数据在不同平台和系统间的顺畅交流，满足了现代计算环境中对于数据编码的多样化需求。

我们可以通过如下代码获取我们自己计算机默认的编码方式：

import sys
print(sys.getdefaultencoding())

我们来看一下运行结果，显示系统默认 UTF-8 编码：

Python3 中明确区分字符串类型 (str) 和字节序列类型 (bytes)，也称为字节流。内存，磁盘中均是以字节流的形式保存数据，它由一个一个的字节（byte，8bit）顺序构成。在前文中，我们提到字节是计算过程中最底层的存储格式，所以字符串实际上为内置的 bytes 类型。然而人们并不习惯直接使用字节，既读不懂，操作起来也很麻烦，人们容易看懂的是字符串。所以字符串和字节流需要进行转化，字节流转换为人们可以读懂的过程叫做解码，与此相反，将字符串转换为字节流的过程叫做编码。在下面的示例中，我们先声明了一个 bytes 数组，然后用 bytes 类的.decode 方法将其转换为我们可以看得懂的 Unicode 字符串。这个方法接受不同字符编码方式作为参数，示例代码如下：

_# 表示 Latin-1 编码中的 cliché_
_# b 表示在定义一个 bytes 对象_
_# \x 字符表示每个字节用十六进制数字表示_
bytestr = b'\x63\x6c\x69\x63\x68\xe9'
_# 输出这些字节的 ASCII 符号本身_
_# 对于 ASCII 来说是未知的字符还是保留原有的十六进制格式_
_# 输出结果包含了 b 字符，提示我们这是一个bytes，而不是字符串_
print(bytestr)
_# 用 Latin-1 编码来解码字符串，decode 方法返回一个正常字符串_
print(bytestr.decode("latin-1"))
_# 使用 iso8859-5 编码来解码字符串_
print(bytestr.decode("iso8859-5"))
_# 使用 CP437 编码来解码字符串_
print(bytestr.decode("CP437"))

运行结果如下：

我们也可以使用 encode 将字符串转换为 bytes 数组，示例代码如下：

str = "cliché"
_# 前 3 个编码为重音字符创建了不同的字节集合_
print(str.encode("UTF-8"))
print(str.encode("latin-1"))
print(str.encode("CP437"))
_# 第 4 个则无法处理这种情况 ，有未知字符_
print(str.encode("ascii"))

运行结果如下：

可以看到，最后一种情况抛出了异常，因为具有未知字符，有时候我们想要让那些未知字符以不同的方式进行处理。encode 方法还接受一个可选的字符串参数，名为 errors，用于定义这个字符应该如何处理。可选的值如下所示：

strict：strict 替换规则是默认的，当字节序列在我们所用的编码中无法表示某个字符时，会抛出异常；
replace：使用 replace 策略时，这个字符会用另外一个字符替换；
ignore：ignore 策略会直接省去不认识的字符；
xmlcharrefreplace：xmlcharrefreplace 策略创建一个 xml 实体表示 Unicode 字符，这样可以根据 XML 文档来转换字符串。

Python 有大约 100 种不同的编码格式，详情可以看如下链接：

https://docs.python.org/zh-cn/3/library/codecs.html#standard-encodings

一些编码格式有多个名称，比如'latin-1'、'iso_8859_1'和'8859’都是指同一种编码。在处理编码文件时，选择正确的编码至关重要。我强烈推荐使用 UTF-8 编码。UTF-8 不仅具备表示任何 Unicode 字符的能力，更在现代软件领域中已成为一种广泛接受的标准。

Python 源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为 UTF-8 编码。当 Python 解释器读取源代码时，为了让它按 UTF-8 编码读取，我们通常在文件开头写上这两行：

_#!/usr/bin/env python3_
_# -*- coding: utf-8 -*-_

第一行注释是为了告诉 Linux/OS X 系统，这是一个 Python 可执行程序，Windows 系统会忽略这个注释；

第二行注释是为了告诉 Python 解释器，按照 UTF-8 编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。

申明了 UTF-8 编码并不意味着你的.py 文件就是 UTF-8 编码的，必须并且要确保 IDE 正在使用 UTF-8 编码。以 PyCharm IDE 为例：

可变字节字符串 bytearray

bytes 类型与 str 类似，它们都是不可变的。这意味着一旦创建了一个 bytes 对象，我们就不能对其进行扩展或修改。尽管如此，我们仍然可以对 bytes 对象执行索引或切片操作，甚至搜索特定的字节序列。然而，在处理 I/O 操作时，这种不可变性可能会带来一些不便。因为在进行输入/输出操作时，我们经常需要缓存字节，直到它们准备好被发送。

例如，当从套接字接收数据时，可能需要多次调用 recv 函数才能接收完整的消息。在这种情况下，我们可以使用内置的 bytearray 类型来解决这个问题。bytearray 的行为类似于列表，但它包含的元素是字节。它的构造函数可以接受 bytes 对象作为参数进行初始化。此外，bytearray 还提供了 extend 方法，允许我们向数组中添加更多的 bytes 对象，例如在从套接字或其他 I/O 通道接收到更多数据时，这种灵活性使得 bytearray 在处理需要动态修改字节序列的场景中非常有用。

bytearray 用法如下：

Syntax: bytearray(source, encoding, errors)
Parameters:
-source[optional]: Initializes the array of bytes
-encoding[optional]: Encoding of the string
-errors[optional]: Takes action when encoding fails
Returns: 
Returns an array of bytes of the given size.

在下面的示例中，我们创建了两个 bytearray 数组，并使用 bytearray() 函数对字符串进行编码：

str = "Geeksforgeeks"

_# encoding the string with unicode 8 and 16_
array1 = bytearray(str, 'utf-8')
array2 = bytearray(str, 'utf-16')

print(array1)
print(array2)

代码输出如下：

我们也可以通过切片操作直接修改 bytearray：

array2[4:6] = b"\x15\xa3"
print(array2)

运行结果如下：

需要注意的是，如果我们想要操作 bytearray 中的单个元素，则需要传入一个 0~255 的整数值。这个整数代表的是一个特定的 bytes。如果我们用字符或 bytes 对象，将会抛出异常。

单字节字符可以通过 ord 函数（ordinal 的简写）转换成整数。这一函数返回表示一个单独字符的整数。示例代码如下：

b = bytearray(b'abcdef')
b[3] = ord(b'g')
b[4] = 68
print(b)

运行结果如下：

这里，我们在构造完成可变字节字符串后，将索引为 3 的字符（第 4 个字符，因为和列表一样，索引是从 0 开始的）替换为 103。它是通过 ord 函数返回的 ASCII 字符中的小写字母 g 所对应的数字。作为说明，我们也将下一个字符替换为字节数字 68，它对应 ASCII 字符中的大写字母 D。

bytearray 类型的一些方法让它可以像列表一样操作，我们也可以对其进行遍历、求其长度、使用 count 和 find 等方法，就像是对 bytes 或 str 对象一样。不同之处在于 bytearray 是可变类型，它可以用于从特定输入源构建复杂序列。

_# 创建bytearray_
array = bytearray(b"acbcdc")
_# 遍历_
for value in array:
    print(value)
_# 对元素b'c'使用count方法_
print("Count of c is:", array.count(b"c"))
_# 对元素b'c'使用find方法_
print("Count of c is:", array.find(b"c"))
_# 对元素b'c'使用len方法_
print("Count of bytes:", len(array))