Python 3：如何获得字节字符串的字符串表示？

Question

在 Python 3 中，如何将字节字符串插入正常字符串并获得与 Python 2 相同的行为（即：仅获取转义码而没有b前缀或双反斜杠）？

例如：

Python 2.7：

>>> x = u'\u041c\u0438\u0440'.encode('utf-8')
>>> str(x)
'\xd0\x9c\xd0\xb8\xd1\x80'
>>> 'x = %s' % x
'x = \xd0\x9c\xd0\xb8\xd1\x80'

Python 3.3：

>>> x = u'\u041c\u0438\u0440'.encode('utf-8')
>>> str(x)
"b'\\xd0\\x9c\\xd0\\xb8\\xd1\\x80'"
>>> 'x = %s' % x
"x = b'\\xd0\\x9c\\xd0\\xb8\\xd1\\x80'"

注意在Python 3中，输出结果包含了b前缀和双下划线。我想得到的结果应该与Python 2中的一致。

- Marc Abramowitz

---

在您的Python 3示例中，您正在插值到Unicode字符串中，而不是像Python 2中那样插入字节字符串。 - Martijn Pieters

Answer 1

在Python 2中，你有str和unicode类型。其中str表示简单的字节串，而unicode则表示Unicode字符串。

但在Python 3中，这种情况发生了改变：现在str是Python 2中的unicode，而byte则是Python 2中的str。

因此，在执行("x = %s" % '\u041c\u0438\u0440').encode("utf-8")时，你实际上可以省略u前缀，因为它是隐含的。在Python中，所有未经明确转换的内容都是unicode。

在Python 3中，这将产生你的最后一行结果：

 ("x = %s" % '\u041c\u0438\u0440').encode("utf-8")

现在我来解释一下如何在最终结果之后进行编码，这是你应该始终遵循的步骤：首先接收一个对象，将其解码为Unicode（无论您使用哪种方法），然后在生成输出时，将其编码为您选择的编码方式。不要尝试处理原始字节串，那只会让代码难看且已被弃用。

- javex

Answer 2

在您的Python 3示例中，您正在插入到一个Unicode字符串中，而不是像您在Python 2中所做的那样插入到字节字符串中。

在Python 3中，bytes不支持插值（即字符串格式化等）。

要么是连接，要么使用Unicode并仅在插入时进行编码：

b'x = ' + x

或者

'x = {}'.format(x.decode('utf8')).encode('utf8')

或者

x = '\u041c\u0438\u0440'  # the u prefix is ignored in Python 3.3
'x = {}'.format(x).encode('utf8')

- Martijn Pieters

---

是的，结果后进行编码似乎是更好的选择。谢谢！ - Marc Abramowitz

Answer 3

在Python 2中，字节字符串和普通字符串是相同的，因此str()不会进行任何转换。在Python 3中，字符串始终是Unicode字符串，因此对字节字符串使用str()会进行转换。

您可以自己进行所需的转换：

x2 = ''.join(chr(c) for c in x)

- Mark Ransom