为什么read()输出的是字节而不是字符串？

Question

我正在尝试分析一些二进制文件，并假设Python的read()函数从这篇文章和Tutorials Point的文章中返回一个字符串。然而，当我自己使用read()时，得到了与我所读内容不同的东西。

>>> with gzip.open('RTLog_20150424T194428.gz') as f:
       a = f.read(3)
       print(a)
       type(a)


b'use'
<class 'bytes'>
>>> a
b'use'
>>> str(a)
"b'use'"
>>> b = 'asdfasdfasdf'
>>> type(b)
<class 'str'>
>>> 

当我自己测试时，read()调用的输出返回了一个<class 'bytes'>对象，而不是一个<class 'str'>对象。我错在哪里了？

- Dzhao

Answer 1

您可以使用rb或rt模式打开文件（默认为读取二进制数据，返回字节）。这在gzip.open的文档字符串中有提到：

引用： 模式参数可以是“r”，“rb”，“w”，“wb”，“x”，“xb”，“a”或“ab”来表示二进制模式，或者是“rt”，“wt”，“xt”或“at”来表示文本模式。默认模式是“rb”，默认压缩级别为9。

如果您在打开文件时传递关键字参数 mode="rt" （并且您知道正确的编码方式），则在调用 read 方法时应返回一个字符串。

- wim

---

好的，但是如果我读取一个二进制文件，这意味着我的输出是字节类型吗？ - Dzhao

是的，就应该这样。你可能会被一些假定为Python 2的资源所迷惑，其中str是字节字符串类型。 - user2357112

您可以将任何文件作为字节或文本读取。是否会得到垃圾数据取决于文件中的内容。 - wim

@Dzhao 是的。如果字节序列不是您用于解码它们的字符编码的有效序列，则会失败并出现错误。这与任何其他数据格式没有区别，其中某些字节序列是无意义和/或无效的。 - dsh

Answer 2

您正在使用Python 3。 您链接到有关Python 2的信息。

文档指出：

如概述中所述，Python区分二进制和文本I / O。以二进制模式打开的文件（包括在模式参数中使用“b”）将内容作为字节对象返回，而不进行任何解码。在文本模式下（默认情况下，或者在模式参数中包含“t”时），文件的内容将作为str返回，这些字节首先使用平台相关的编码或使用指定的编码进行解码。

Python 3非常明确字节与字符（字符串）之间的区别。 Python 2则对此很懒散，这可能会导致许多问题。

- dsh

Answer 3

a = f.read()
str_data = a.decode("utf-8")

这对我有用，但我也是从 .txt 文件中读取而不是 .gz 文件 Python3

- HYUTS