Python 2 和 Python 3 字符串差异

主要差异

1. 默认字符串类型

• Python 2：

  • 默认字符串类型是字节串（str​），它实际上是一个字节序列。
  • 如果需要处理 Unicode 字符串，必须使用 unicode​ 类型，并且通常需要在字符串前加上 u​ 前缀。

  python
  # Python 2
  s = "Hello"  # str 类型，默认是字节串
  u = u"Hello"  # unicode 类型，明确表示为 Unicode 字符串
  

• Python 3：

  • 默认字符串类型是 Unicode 字符串（str​）。
  • 如果需要处理字节串，必须使用 bytes​ 类型，并且可以在字符串前加上 b​ 前缀来显式创建字节串。

  python
  # Python 3
  s = "Hello"  # str 类型，默认是 Unicode 字符串
  b = b"Hello"  # bytes 类型，明确表示为字节串
  

2. 编码与解码

• Python 2：

  • ​str​ 和 unicode​ 之间的转换需要显式调用 .encode()​ 和 .decode()​ 方法。
  • 不同编码间的转换容易出错，特别是在处理非 ASCII 字符时。

  python
  # Python 2
  utf8_str = u"Hello".encode('utf-8')  # 将 Unicode 转换为 UTF-8 编码的字节串
  unicode_str = "Hello".decode('utf-8')  # 将字节串转换为 Unicode 字符串
  

• Python 3：

  • ​str​ 和 bytes​ 之间的转换同样需要显式调用 .encode()​ 和 .decode()​ 方法。
  • Python 3 更加严格地分离了文本（str​）和二进制数据（bytes​），减少了混淆的可能性。

  python
  # Python 3
  utf8_bytes = "Hello".encode('utf-8')  # 将 Unicode 字符串转换为 UTF-8 编码的字节串
  unicode_str = b"Hello".decode('utf-8')  # 将字节串转换为 Unicode 字符串
  

3. 文件 I/O

• Python 2：

  • 文件操作默认以字节模式打开，读取和写入的是 str​ 类型的数据。
  • 需要显式指定编码来进行 Unicode 处理。

  python
  # Python 2
  with open('file.txt', 'r') as f:
      content = f.read().decode('utf-8')  # 显式解码为 Unicode
  

• Python 3：

  • 文件操作可以指定编码参数，直接以文本模式打开文件，默认返回 str​ 类型的数据。
  • 如果需要处理字节数据，则以二进制模式打开文件。

  python
  # Python 3
  with open('file.txt', 'r', encoding='utf-8') as f:
      content = f.read()  # 直接返回 Unicode 字符串
  

4. 打印输出

• Python 2：

  • ​print​ 是一个语句，而不是函数，对 Unicode 输出的支持较差。
  • 打印非 ASCII 字符时可能会遇到编码问题。

  python
  # Python 2
  print u"你好"  # 可能会遇到编码问题
  

• Python 3：

  • ​print​ 是一个函数，默认支持 Unicode 输出。
  • 对非 ASCII 字符的支持更好。

  python
  # Python 3
  print("你好")  # 支持 Unicode 输出
  

迁移建议

如果你正在从 Python 2 迁移到 Python 3，或者希望编写兼容两个版本的代码，这里有一些建议：

• 使用 ​from __future__ import unicode_literals​​：这使得所有未加前缀的字符串都被视为 Unicode 字符串（Python 2 中的行为类似于 Python 3）。
• 显式处理编码和解码：始终显式调用 .encode()​ 和 .decode()​ 方法，避免隐式的编码转换。
• 使用 ​io.open​​：在 Python 2 中使用 io.open​ 来代替内置的 open​ 函数，以获得更好的编码支持。
• 测试和调试：确保你的代码在两个版本中都经过充分测试，特别是涉及字符编码的部分。

总结

• Python 2 的默认字符串类型是字节串（str​），而 Unicode 字符串需要显式声明。
• Python 3 的默认字符串类型是 Unicode 字符串（str​），而字节串需要显式声明。
• 编码和解码 在两个版本中都需要显式处理，但 Python 3 提供了更清晰的区分和更好的支持。
• 文件 I/O 和打印输出 在 Python 3 中得到了改进，提供了更好的 Unicode 支持。