Python2到3字符串语义变化详解

1、字符串的语义发生了变化：

python2        python3
------------------------
str        ->    bytes
unicode    ->    str

        python2中str表面含义上是字符串，实际上是抽象的一片连续的字节。

        为什么会这样？因为早期的计算机是由美国人发明的，最开始设计字符编码的时候也只考虑到这些英文字符。最开始使用ASCII码对这些字符进行编码，也就是一个字节表示一个字符。既然一个字节等价于一个字符那这一片连续的字节也就是等价于一个字符串，这就是py2的str来历。

        到了后期为了支持各国语言的字符，显然用一个字节表示一个字符这样的做法就行不通了表示不下。人们就发明了各种编码格式有一种比较通用的就是unicode，在python内部也就是用这种unicode编码来表示一个字符，所以这种unicode才是真正含义上的字符串。

        要把字符存储到文件当中这种unicode是不能直接存储到文件当中，它必须以某种编码格式变成连续字节的形式才能存储进去

2、unicode和str之间的转换介绍？

# 创建unicode字符串
s = u'你好'
# 对字符串进行编码，指定编码格式为utf8
print(s.encode('utf8'))
# 对字符串进行编码，格式为gbk
print(s.encode('gbk'))
'''
然后得到str的字节串 b'\xe4\xbd\xa0\xe5\xa5\xbd'，
只有这种str的字节串才能存储到物理介质当中，如磁盘的扇区或网络的socket
'''
# 对上面得到的str字节串进行解码，把它变成unicode，
print(b'\xe4\xbd\xa0\xe5\xa5\xbd'.decode('utf8'))
print(b'\xc4\xe3\xba\xc3'.decode('gbk'))
# 注：在python中只使用内置的unicode表示字符，编解码要使用统一的格式不然就会产生乱码