在 Python 3 中将字符串转换为字节的最佳方法？

如果您查看 bytes 的文档，它会将您指向 bytearray：

bytearray([source[, encoding[, errors]]]) 返回一个新的字节数组。 bytearray 类型是 0 <= x < 256 范围内的可变整数序列。它具有可变序列的大多数常用方法，在可变序列类型中描述，以及字节类型具有的大多数方法，请参见字节和字节数组方法。可选的源参数可用于以几种不同的方式初始化数组：如果是字符串，则还必须提供编码（以及可选的错误）参数； bytearray() 然后使用 str.encode() 将字符串转换为字节。如果它是一个整数，则该数组将具有该大小，并将使用空字节进行初始化。如果是符合缓冲区接口的对象，将使用该对象的只读缓冲区来初始化字节数组。如果是可迭代的，则必须是 0 <= x < 256 范围内的整数的可迭代，用作数组的初始内容。如果没有参数，则会创建一个大小为 0 的数组。

所以 bytes 可以做的不仅仅是对字符串进行编码。它是 Pythonic，它允许您使用任何有意义的源参数类型调用构造函数。

对于字符串的编码，我认为 some_string.encode(encoding) 比使用构造函数更 Pythonic，因为它是最自我记录的——“获取这个字符串并用这个编码对其进行编码”比 bytes(some_string, encoding) 更清晰——没有使用构造函数时的显式动词。

我检查了 Python 源代码。如果您使用 CPython 将 unicode 字符串传递给 bytes，它会调用 PyUnicode_AsEncodedString，即 encode 的实现；因此，如果您自己调用 encode，您只是跳过了一个间接级别。

另外，请参阅 Serdalis 的评论 - unicode_string.encode(encoding) 也更 Pythonic，因为它的逆是 byte_string.decode(encoding) 并且对称性很好。

---

这比想象的要容易：

my_str = "hello world"
my_str_as_bytes = str.encode(my_str)
print(type(my_str_as_bytes)) # ensure it is byte representation
my_decoded_str = my_str_as_bytes.decode()
print(type(my_decoded_str)) # ensure it is string representation

您可以通过打印类型来验证。请参阅下面的输出。

<class 'bytes'>
<class 'str'>

---

绝对最好的方法不是第 2 种，而是第 3 种。自 Python 3.0 以来，encode 默认为 'utf-8' 的第一个参数。因此最好的方法是

b = mystring.encode()

这也会更快，因为默认参数不会导致 C 代码中的字符串 "utf-8"，而是 NULL，这检查起来要快得多！

这里有一些时间：

In [1]: %timeit -r 10 'abc'.encode('utf-8')
The slowest run took 38.07 times longer than the fastest. 
This could mean that an intermediate result is being cached.
10000000 loops, best of 10: 183 ns per loop

In [2]: %timeit -r 10 'abc'.encode()
The slowest run took 27.34 times longer than the fastest. 
This could mean that an intermediate result is being cached.
10000000 loops, best of 10: 137 ns per loop

尽管有警告，但重复运行后时间非常稳定 - 偏差仅为约 2%。

使用不带参数的 encode() 与 Python 2 不兼容，因为在 Python 2 中，默认字符编码是 ASCII。

>>> 'äöä'.encode()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 0: ordinal not in range(128)

---

回答一个稍微不同的问题：

您有一系列原始 unicode 被保存到 str 变量中：

s_str: str = "\x00\x01\x00\xc0\x01\x00\x00\x00\x04"

您需要能够获取该 unicode 的字节文字（对于 struct.unpack() 等）

s_bytes: bytes = b'\x00\x01\x00\xc0\x01\x00\x00\x00\x04'

解决方案：

s_new: bytes = bytes(s, encoding="raw_unicode_escape")

参考（向上滚动查看标准编码）：

Python Specific Encodings

---

Python 3 'memoryview' 方式怎么样。

Memoryview 是 byte/bytearray 和 struct 模块的混合体，有几个好处。

不仅限于文本和字节，也可以处理 16 位和 32 位字

处理字节序

为链接的 C/C++ 函数和数据提供非常低开销的接口

最简单的例子，对于一个字节数组：

memoryview(b"some bytes").tolist()

[115, 111, 109, 101, 32, 98, 121, 116, 101, 115]

或者对于 unicode 字符串，（转换为字节数组）

memoryview(bytes("\u0075\u006e\u0069\u0063\u006f\u0064\u0065\u0020", "UTF-16")).tolist()

[255, 254, 117, 0, 110, 0, 105, 0, 99, 0, 111, 0, 100, 0, 101, 0, 32, 0]

#Another way to do the same
memoryview("\u0075\u006e\u0069\u0063\u006f\u0064\u0065\u0020".encode("UTF-16")).tolist()

[255, 254, 117, 0, 110, 0, 105, 0, 99, 0, 111, 0, 100, 0, 101, 0, 32, 0]

也许您需要单词而不是字节？

memoryview(bytes("\u0075\u006e\u0069\u0063\u006f\u0064\u0065\u0020", "UTF-16")).cast("H").tolist()

[65279, 117, 110, 105, 99, 111, 100, 101, 32]

memoryview(b"some  more  data").cast("L").tolist()

[1701670771, 1869422624, 538994034, 1635017060]

警告。请注意对多于一个字节的数据的字节顺序的多种解释：

txt = "\u0075\u006e\u0069\u0063\u006f\u0064\u0065\u0020"
for order in ("", "BE", "LE"):
    mv = memoryview(bytes(txt, f"UTF-16{order}"))
    print(mv.cast("H").tolist())

[65279, 117, 110, 105, 99, 111, 100, 101, 32]
[29952, 28160, 26880, 25344, 28416, 25600, 25856, 8192]
[117, 110, 105, 99, 111, 100, 101, 32]

不知道这是故意的还是错误的，但它抓住了我！

该示例使用 UTF-16，有关编解码器的完整列表，请参阅 Codec registry in Python 3.10

---