04.字符串

# 1.ASCII，Unicode 和UTF-8
## 1.ASCII码(单字节编码)
在计算机内部，所有的信息最终都表示为一个二进制的字符串。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从0000000到11111111。

上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码，一直沿用至今。

ASCII码一共规定了128个字符的编码，比如空格"SPACE"是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

## 1.2.非ASCII编码
英语用128个符号编码就够了，但是用来表示其他语言，128个符号是不够的。比如，在法语中，字母上方有注音符号，它就无法用ASCII码表示。于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。比如，法语中的é的编码为130（二进制10000010）。这样一来，这些欧洲国家使用的编码体系，可以表示最多256个符号。

但是，这里又出现了新的问题。不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。比如，130在法语编码中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号。但是不管怎样，所有这些编码方式中，0--127表示的符号是一样的，不一样的只是128--255的这一段。

至于亚洲国家的文字，使用的符号就更多了，汉字就多达10万左右。一个字节只能表示256种符号，肯定是不够的，就必须使用多个字节表达一个符号。比如，简体中文常见的编码方式是GB2312，使用两个字节表示一个汉字，所以理论上最多可以表示256x256=65536个符号。

中文编码的问题需要专文讨论，这篇笔记不涉及。这里只指出，虽然都是用多个字节表示一个符号，但是GB类的汉字编码与后文的Unicode和UTF-8是毫无关系的。

## 1.3.Unicode(双字节编码)
正如上一节所说，世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。

可以想象，如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是Unicode，就像它的名字都表示的，这是一种所有符号的编码。

Unicode当然是一个很大的集合，现在的规模可以容纳100多万个符号。每个符号的编码都不一样，比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字"严"。具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表。

## 1.4.Unicode的问题
Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

比如，汉字"严"的unicode是十六进制数4E25，转换成二进制数足足有15位（100111000100101），也就是说这个符号的表示至少需要2个字节。表示其他更大的符号，可能需要3个字节或者4个字节，甚至更多。

这里就有两个严重的问题，第一个问题是，如何才能区别Unicode和ASCII？计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？第二个问题是，我们已经知道，英文字母只用一个字节表示就够了，如果Unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，这对于存储来说是极大的浪费，文本文件的大小会因此大出二三倍，这是无法接受的。

它们造成的结果是：
1）出现了Unicode的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示Unicode。2）Unicode在很长一段时间内无法推广，直到互联网的出现。

## 1.5.UTF-8(可变字长编码)
互联网的普及，强烈要求出现一种统一的编码方式。UTF-8就是在互联网上使用最广的一种Unicode的实现方式。其他实现方式还包括UTF-16（字符用两个字节或四个字节表示）和UTF-32（字符用四个字节表示），不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8是Unicode的实现方式之一。

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8的编码规则很简单，只有二条：
1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

下表总结了编码规则，字母x表示可用编码的位。
```
Unicode符号范围          |   UTF-8编码方式
(十六进制)                      | （二进制）
--------------------+---------------------------------------------
0000 0000-0000 007F   | 0xxxxxxx
0000 0080-0000 07FF   | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF  | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF  | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
```
跟据上表，解读UTF-8编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。

下面，还是以汉字"严"为例，演示如何实现UTF-8编码。

已知"严"的unicode是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（0000 0800-0000 FFFF），因此"严"的UTF-8编码需要三个字节，即格式是"1110xxxx 10xxxxxx 10xxxxxx"。然后，从"严"的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，"严"的UTF-8编码是"11100100 10111000 10100101"，转换成十六进制就是E4B8A5。

**utf8mb4**
MySQL在5.5.3之后增加了这个utf8mb4的编码，mb4就是most bytes 4的意思，专门用来兼容四字节的unicode。utf8mb4是utf8的超集，除了将编码改为utf8mb4外不需要做其他转换。当然，为了节省空间，一般情况下使用utf8也就够了。

那上面说了既然utf8能够存下大部分中文汉字,那为什么还要使用utf8mb4呢? 原来mysql支持的 utf8 编码最大字符长度为 3 字节，如果遇到 4 字节的宽字符就会插入异常了。三个字节的 UTF-8 最大能编码的 Unicode 字符是 0xffff，也就是 Unicode 中的基本多文种平面(BMP)。也就是说，任何不在基本多文本平面的 Unicode字符，都无法使用 Mysql 的 utf8 字符集存储。包括 Emoji 表情(Emoji 是一种特殊的 Unicode 编码，常见于 ios 和 android 手机上)，和很多不常用的汉字，以及任何新增的 Unicode 字符等等(utf8的缺点)。

排序规则:
- utf8mb4_unicode_ci 基于用于通用排序和比较的官方Unicode规则，该规则可以在多种语言中进行准确排序。(ci:case insensitive 忽略大小写)
- utf8mb4_general_ci是一组简化的排序规则，旨在尽力而为，同时采取许多旨在提高速度的捷径。它不遵循Unicode规则，在某些情况下（例如，使用特定语言或字符时）会导致不希望的排序或比较。
- 在现代服务器上，这种性能提升几乎可以忽略不计。它是在服务器仅占当今计算机CPU性能的一小部分的时候设计的。
- utf8_bin （大小写敏感）

# 2.Little endian 和 Big endian (字节序)
big endian(大端法)是指低地址存放最高有效字节（MSB），而little endian(小端法)则是低地址存放最低有效字节（LSB）。

通过文字理解可能比较抽象，下面用图像加以说明。下图是“0x12345678在两种字节序中的存储顺序”：

**Big Endian**
```
低地址                                            高地址
----------------------------------------->
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|     12     |      34    |     56      |     78    |   
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
```
说明：上面是0x12345678对应big endian的存储方式。

(01) 0x12345678是int整数，它共有4个字节：分别是0x12, 0x34, 0x56, 0x78；其中，0x12是最高有效字节，0x78是最低有效字节。int占4个字节，这个是常识；0x12是十六进制的表示方式，0x12对应的二进制是00010010，正好是8位，也就是1个字节；因此0x12, 0x34, 0x56, 0x78共是4个字节。

(02) big endian是将最高有效字节存储在低地址中，因为就是0x12(最高有效地址)，存在低地址；那么，从低往高地址依次存放0x12  -->  0x34 -->  0x56  --> 0x78。也就是上面图像中的存储方式。

**Little Endian**
```
低地址                                            高地址
----------------------------------------->
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|     78     |      56    |     34      |     12    |   
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
```
说明：上面是0x12345678对应little endian的存储方式。

(01) 0x12345678是int整数，它共有4个字节：分别是0x12, 0x34, 0x56, 0x78；其中，0x12是最高有效字节，0x78是最低有效字节。
(02) little endian是将最低有效字节存储在低地址中，因为就是0x78(最低有效地址)，存在低地址；从低往高地址依次存放0x78 --> 0x56  -->  0x34 -->  0x12。也就是上面图像中的存储方式。

# 3.字符转换
字符串定义初始化
- s1 = 'string'
- 一个个字符组成的有序的序列，是字符的集合，使用单引号，双引号，三引号引住的字符序列
- 字符串是不可变的对象，python3起，字符串就是Unicode类型

## 3.1.字符串元素访问
1. 字符串支持使用索引访问
```
sql = "select * from user where name='tom'"   
sql[4]  字符串访问   
sql[4] = 'o'  字符串赋值能否成功？  （不能赋值）
>>> sql = "select * from user where name='tom'"
>>> sql
"select * from user where name='tom'"
>>> sql[4]
'c'
>>> sql[4] = 'o'
Traceback (most recent call last):
  File "<pyshell#52>", line 1, in <module>
    sql[4] = 'o'
TypeError: 'str' object does not support item assignment
>>>
```
2. 有序的字符集合，字符序列可迭代   
```
>>> for x in sql:
 print(x)
```

## 3.2.字符串join连接
- 将可迭代对象连接起来，使用string作为分隔符
- 可迭代对象本身元素都是字符串，返回一个新字符串
- lst1 + lst2： 将2个字符串连接在一起，返回一个新的字符串
举例：
```
>>> lst = ['1','2','3']
>>> print("\"".join(lst))    分隔符是双引号
1"2"3
>>> print(" ".join(lst))     空格分隔
1 2 3
>>> print("\n".join(lst))　换行分隔
1
2
3
>>>
>>> lst = ['1','2','3']
>>> lst1 = ['1',['a','b'],'3']
>>> lst + lst1          将2个字符串连接在一起，返回一个新的字符串
['1', '2', '3', '1', ['a', 'b'], '3']
```

## 3.3.字符串分割
分割字符串的方法有两种

1. split：从左至右，将字符串按照分隔符分割成若干字符串，并返回列表
格式:split(sep=None,maxslit=-1)
sep指定分割符字符串，缺省的情况下空白字符串作为分隔符
maxslit指定分割的次数，-1表示遍历整个字符串
rsplit: 从右向左

```
s1 = "I'm \ta super student."
>>> s1.split(' ')　　 以空格为分隔符
["I'm", '\ta', 'super', 'student.']   
>>> s1.split('s')        以s为分隔符
["I'm \ta ", 'uper ', 'tudent.']       
>>> s1.split('super')   　以super为分隔符　       
["I'm \ta ", ' student.']
>>> s1.split(' ',maxsplit=-1)     以空格遍历分隔
["I'm", '\ta', 'super', 'student.']
>>> s1.split(' ',maxsplit=1)    以空格分隔一次
["I'm", '\ta super student.']
>>> s1.split(' ',maxsplit=2)    以空格分隔两次
["I'm", '\ta', 'super student.']
>>> s1.split('\t',maxsplit=2)    以\ta分隔两次
["I'm ", 'a super student.']　　　　　
```

2. splietlines([keepends])
按照行来切分字符串 
keepends指的是是否保留分隔符
行分隔符包括\n, \r\n, \r等

```
s2 = '''I'm a super student.　　
    You're a super teacher.
   '''
>>> print(s2)　　
I'm a super student.
You're a super teacher.
>>> print(s2.splitlines())
["I'm a super student.", "\t\t\t\tYou're a super teacher.", '\t\t\t']

>>> print(s2.splitlines(True))
["I'm a super student.\n", "\t\t\t\tYou're a super teacher.\n", '\t\t\t']
>>>
```

3. partition(sep): 将字符串按照分隔符分割成2段，返回这2段和分隔符的元组
从左至右，遇到分隔符就把字符串分割成两部分，返回头，分隔符，尾三部分的三元组
如果没有找到分隔符，就返回头，2个空元素的三元组
sep分割字符串，必须制定
rpartition(sep) 从右至左

```
>>> s1 = "I'm a supper student."

>>> s1.partition('s')
("I'm a ", 's', 'upper student.')

>>> s1.partition('stu')
("I'm a supper ", 'stu', 'dent.')

>>> s1.partition(' ')
("I'm", ' ', 'a supper student.')

>>> s1.partition('abc')
("I'm a supper student.", ' ', ' ')
```

## 3.4.字符串替换
1.replace(old, new[,count])
字符串中找到匹配替换为新子串，返回新字符串
count表示替换几次，不指定就是全部替换
```
>>> s = 'www.magede.com'
全部替换　　
>>> s.replace('w', 'p')
'ppp.magede.com'
替换两次
>>> s.replace('w', 'p',2)
'ppw.magede.com'
替换两次
>>> s.replace('ww', 'p', 2)
'pw.magede.com'
替换两次
>>> s.replace('www', 'python',2)
'python.magede.com'
>>>
```

2. strip([chars])
从字符串两端去除指定的字符集chars中的所有字符，如果chars没有指定，去除两端的空白字符

```
>>> s = "\r\n\t Hello Python \n \t"　　
>>> s.strip()
'Hello Python'
>>> s = " I am very very very sorry "
>>> s.strip('ly')
' I am very very very sorry '
>>> s.strip('ly ')
'I am very very very sorr'
```

## 3.5.字符串查找
1. find(sub[,start[,end]])
在指定的区间【start，end】，从左至右，查找子串sub，找到返回索引，没有找到返回-1 rfind： 从右至左

```
>>> s = " I am very very very sorry "　　
>>> s.find('very')
6
>>> s.find('very',5)
6
>>> s.find('very',5,10)
6
>>> s.find('very',15)
16
>>>
```

2. index(sub[,start[,end]])
在指定的区间【start，end】，从左至右，查找子串sub，找到返回索引，没有找到抛出异常ValueError,时间复杂度是O(n)

```
>>> s = " I am very very very sorry "　　
>>> s.index('very')
6
>>> s.index('very',5)
6
```

3. count(sub[,start[,end]])
在指定的区间【start，end】，从左至右，统计子串sub出现次数，时间复杂度是O(n)

```
>>> s = " I am very very very sorry "　　
>>> s.count('very')
3
>>> s.count('very',5)
3
>>>
```

## 3.6.字符串判断
1. endswitch(suffix[,start[,end]])
在指定的区间【start，end】，字符串是否是suffix结尾
2. startswitch(prefix[,start[,end]])
在指定的区间【start，end】，字符串是否是prefix开头

## 3.7.字符串格式化
- 字符串的格式化是一种拼接字符串输出样式的手段，更灵活方便
- join拼接只能使用分隔符，且要求被拼接的是可迭代对象
- + 加号拼接字符串还算方便，但是非字符串需要先转换为字符串才能拼接
- 在2.5版本之前，只能使用c语言printf style风格的print输出，格式要求占位符：使用%和格式字符组成，例如%d， %s等

1. 字符串前加 b
"b" 的作用是后面的字符串会转为bytes类型。
用处：网络编程中，服务器和浏览器只认bytes 类型数据。
```
b'input\n' 
输出：
b'input\n'
```

1. 字符串前加 r
"r" 的作用是去除转义字符.
即如果是“\n”那么表示一个反斜杠字符，一个字母n，而不是表示换行了。
以r开头的字符，常用于正则表达式，对应着re模块。
```
r'input\n' # 
输出：'input\\n'
```

1. 字符串前加 u
unicode编码字符，python3默认字符串编码方式。
不是仅仅是针对中文, 可以针对任何的字符串，代表是对字符串进行unicode编码。
一般英文字符在使用各种编码下, 基本都可以正常解析, 所以一般不带u；但是中文, 必须表明所需编码, 否则一旦编码转换就会出现乱码。
建议所有编码方式采用utf8.
```
u'input\n' 
输出：'input\n'
```

1. str与bytes转换
```
str = "€20"
print(str.encode("utf-8"))
print(str.encode("utf-8").decode("utf-8"))
s1 = '123'
print(s1)
print(type(s1))
s2 = b'123'
print(s2)
print(type(s2))
区别输出：
123
<class 'str'>
b'123'
<class 'bytes'>
```

1. 使用format函数格式字符串语法
```
"{} {xxx}".format(*args, **kwargs)
args是位置参数，是一个元组
kwargs是关键字参数，是一个字典
{}花括号是表示占位符，表示按照顺序匹配位置参数，{n} 表示取位置参数索引为n的值
{xxx}表示在关键字参数中搜索名称一致的
{{}} 表示打印花括号
```

2. 位置参数
```
"{}:{}".format('192.168.1.100', 8888),这就是按照位置顺序，用位置参数替换前面的格式字符串占位符{}
>>> "{}:{}".format('192.168.1.100', 8888)
'192.168.1.100:8888'
>>>
```

3. 关键字参数或命名参数
```
"{server}{1}:{0}".format(8888, '192.168.1.100', server='Web Sever Info:'),位置参数按照序号(索引)匹配，关键字参数按照名称匹配
>>> "{server}{1}:{0}".format(8888, '192.168.1.100', server='Web Sever Info:')
'Web Sever Info:192.168.1.100:8888'
>>>
```

4. 访问元素
```
"{0[0]}:{0[1]}".format(('magedu','com'))
>>> "{0[0]}:{0[1]}".format(('magedu','com'))
'magedu:com'
```

5. 对象属性访问
```
>>> Point = namedtuple('Point','x y')　　　　
>>> p = Point(4,5)　　
>>> "{{{0.x},{0.y}}}".format(p)　　
'{4,5}'　　
>>>　
```

6. 对齐
```
'{0}*{1}={2:<2}'.format(3, 2, 2*3)
 >>> '{0}*{1}={2:<2}'.format(3, 2, 2*3)
 '3*2=6 '
 >>>
'{0}*{1}={2:<02}'.format(3, 2, 2*3)
 >>> '{0}*{1}={2:<02}'.format(3, 2, 2*3)
 '3*2=60'
 >>>
'{0}*{1}={2:>02}'.format(3, 2, 2*3)
 >>> '{0}*{1}={2:>02}'.format(3, 2, 2*3)
 '3*2=06'
 >>>
'{:^30}'.format('centered')
 >>> '{:^30}'.format('centered')
 '           centered           '
 >>>
'{:*^30}'.format('centered')
 >>> '{:*^30}'.format('centered') 　　
 '***********centered***********'
 >>>
```
7. 进制
```
"int.{0:d};hex:{0:x}; oct:{0:o}; bin:{0:b}".format(42)
 >>> "int.{0:d};hex:{0:x}; oct:{0:o}; bin:{0:b}".format(42)
 'int.42;hex:2a; oct:52; bin:101010'
 >>>
"int.{0:d};hex:{0:#x}; oct:{0:#o}; bin:{0:#b}".format(42)
 >>> "int.{0:d};hex:{0:#x}; oct:{0:#o}; bin:{0:#b}".format(42)
 'int.42;hex:0x2a; oct:0o52; bin:0b101010'
 >>>
octets = [192,168,0,]
'{:02x}{:02x}{:02x}{:02x}'.format(*octets)
 >>> octets = [192,168,0,1]　　
 >>> '{:02x}{:02x}{:02x}{:02x}'.format(*octets)
 'c0a80001'
 >>>
```
 注意： 请使用format函数格式化字符串

# 4.输出字符串格式化
字符串格式化是我们在使用Python中经常用到的功能。Python为我们提供了四种格式化字符串的方法，分别是%运算符、字符串format方法、格式化字符串字面值以及模板字符串。

## 4.1.printf
对于字符串的格式设置，在Python的早期解决方案中，主要使用类似c语言的经典函数printf。

%运算符提供了一种printf风格的字符串格式化，它的用法跟C语言中的printf十分相似。

使用%运算符格式化字符串的语法是format % values。format是一个字符串，values可以是一个对象、元组或字典，format中会有若干个’%'开头的标记转换符，例如“%d”代表一个整数，“%s”代表一个字符串，这些标记转换符会被values中的条目替换。

当value是一个元组时，需要每个转换符与value中的条目一一对应，可以为标记转换符添加映射键,value的类型应为字典。例如：
```
s = "我叫%(name)s, 今年%(age)d岁。" % {"name": "小明", "age": 18}
print(s)
```

转换说明符
- %c 字符
- %s 字符串
- %d 使用十进制表示的整数
- %e 使用科学记数法表示的小数
- %f 使用定点表示法表示的小数
- %g 根据数的大小决定确定使用科学记数法还是定点表示法

```
>>> string = 'Hello %s. Hello %s.' % ('Alice', 'Bob')
>>> string
# 'Hello Alice. Hello Bob.'
```

## 4.2.格式化字符串字面值
Python3.6新增加了格式化字符串字面值的特性，可以方便的格式化字符串。

以 f 开头表示在字符串内支持大括号内的python 表达式，"f" 格式化操作，相当于format()函数.
```
name = "小明"
age = 18
print(f"我叫{name}, 今年{age}岁。")
```
当我们在一个字符串前标注一个'f'或'F'时，Python解释器就认为这个字符串是一个格式化字符串字面值。在这个字符串中使用“{}”将一个变量或表达式括起来，Python就会用变量或表达式的内容替换“{}”。

## 4.3.字符串format方法
format 会将参数依次替换字符串中的{}并返回一个新的str对象。如果需要输出{}需要用两层花括号({{}})

“{}”可以具有位置参数，format方法将会用指定位置的参数代替花括号。如果使用位置参数，那么所有的花括号中都必须有位置参数。例如：

## 4.4.模板字符串
Python提供的Template类也可以用来格式化字符串，它位于string包。使用Template类时，实现实例化一个Template对象。然后调用substitute或safe_substitute用传入的参数替换模板字符串中的变量：
```
t = Template("我叫$name, 今年$age岁。")
s = t.substitute(name="小明", age=18)
print(s)
s = t.substitute({"name": "小明", "age": 18})
print(s)
```
$identifier为替换占位符，它会匹配一个名为 “identifier” 的映射键。如果映射键有歧义可以使用花括号区分。否则Python将匹配尽可能多的字符：
```
print(Template("$ab").substitute(a=1, ab=2))  # 2
print(Template("${a}b").substitute(a=1, ab=2))  # 1b
print(Template("${ab}").substitute(a=1, ab=2))  # 2
```
substitute或safe_substitute可以接受关键字参数或者字典。这两个方法的区别在于，模板字符串中的一个标识符在传入方法的参数中没有条目与之对应时，substatute会抛出ValueError，而safe_substitute会保留$和标识符而不进行替换。

# 5.编码转换
Python 3 将字符串处理为 unicode 类型。

## 5.1.ASCII
1. 单字节
0~127 ASCII 兼容编码
128~255  法语，德语，西语

1. 双字节
中文，简体，繁体，符号
0~127 兼容ASCII
gb2312 --> gbk

1. 多字节
Unicode，ISO
兼容 ASCII
Unicode
utf-8

## 5.2.字节序列
Python3 引入两个新的类型bytes,bytearray
bytes不可变长字节, bytearray可变字长数组。

### 5.2.1.bytes
将字符串这字符序列使用指定字符集encode编码为一个个字节组成的序列bytes
```
# str转bytes
'123'.encode()

bytes('123', encoding='utf8')
str.encode('123')
```

### 5.2.2.bytearray
将一个个字节按照某种指定的字符集解码为一个个字串组成的字符串
```
# bytes 或 bytearray 转str

'123'.encode().decode()
b'123'.decode()

str(b'123', encoding='utf-8')
bytes.decode(b'123')
```

python3 文件默认编码是utf-8 , 字符串编码是 unicode 。
- bytes 不可变字节数组
- bytearray 可变字节数组

以utf-8 或者 gbk等编码的代码，加载到内存，会自动转为unicode正常显示。
![](/media/202108/2021-08-10_233856.png)

## 5.3.字节序
## 5.4.int和bytes转换