Python 3'te dizgiyi bayta dönüştürmenin en iyi yolu?

Bir dizeyi baytlara dönüştürmenin iki farklı yolu var gibi görünüyor, TypeError yanıtlarında görüldüğü gibi : 'str' arabellek arayüzünü desteklemiyor

Bu yöntemlerden hangisi daha iyi veya daha fazla Pythonic olurdu? Yoksa bu sadece kişisel bir tercih midir?

b = bytes(mystring, 'utf-8')

b = mystring.encode('utf-8')

İçin dokümanlara bakarsanız, sizi şu bytesnoktalara yönlendirir bytearray:

bytearray ([kaynak [, kodlama [, hatalar]]])

Yeni bir bayt dizisi döndürür. Bytearray tipi, 0 <= x <256 aralığındaki değişebilir bir tamsayı dizisidir. Değişken Dizi Tiplerinde açıklanan olağan değişebilir dizi yöntemlerinin yanı sıra bayt tipinin sahip olduğu yöntemlerin çoğuna sahiptir, Bayt ve Bayt Dizisi Yöntemleri.

İsteğe bağlı source parametresi, diziyi birkaç farklı şekilde başlatmak için kullanılabilir:

Bir dize ise, kodlama (ve isteğe bağlı olarak hatalar) parametrelerini de vermelisiniz; bytearray () daha sonra dizeyi str.encode () kullanarak bayta dönüştürür.

Bir tamsayı ise, dizi bu boyuta sahip olur ve boş baytlarla başlatılır.

Arabellek arayüzüne uyan bir nesne ise, bayt dizisini başlatmak için nesnenin salt okunur bir tamponu kullanılır.

Yinelenebilirse, dizinin ilk içeriği olarak kullanılan 0 <= x <256 aralığında bir tamsayı yinelenebilir olmalıdır.

Bağımsız değişken olmadan, 0 boyutunda bir dizi oluşturulur.

Yani bytesbir dizeyi kodlamaktan çok daha fazlasını yapabilir. Yapıcıyı mantıklı herhangi bir kaynak parametresi türüyle çağırmanıza izin vermesi Pythonic'tir.

Bir dize kodlamak için, ben some_string.encode(encoding)bu yapıcı kullanmak daha Pythonic olduğunu düşünüyorum , çünkü en kendi kendine belgeleme - "Bu dize almak ve bu kodlama ile kodlamak" daha açık bytes(some_string, encoding)- kullandığınızda hiçbir açık fiil yok yapıcı.

Düzenleme: Python kaynağını kontrol ettim. bytesCPython kullanarak bir unicode dizesi iletirseniz , bunun uygulanması olan PyUnicode_AsEncodedString öğesini çağırır encode; yani, encodekendinizi ararsanız, sadece bir dolaylı aktarım seviyesini atlıyorsunuz demektir .

Ayrıca, Serdalis'in yorumuna da bakınız - unicode_string.encode(encoding)tersi byte_string.decode(encoding)ve simetri güzel olduğu için daha Pitoniktir .

Düşündüğünden daha kolay:

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

Kesinlikle en iyi yolu ne 2'nin olmakla 3. Python 3.0'dan bu yana varsayılan olarak kullanılacak ilk parametre . Böylece en iyi yolencode 'utf-8'

b = mystring.encode()

Bu da daha hızlı olacaktır, çünkü varsayılan argüman "utf-8"C kodundaki dizede değil NULL, kontrol edilmesi çok daha hızlıdır!

İşte bazı zamanlamalar:

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

Uyarısına rağmen, tekrarlanan çalışmalardan sonra süreler çok kararlıydı - sapma sadece yüzde ~ 2 idi.

encode()Bağımsız değişken olmadan kullanmak Python 2 ile uyumlu değildir, Python 2'de varsayılan karakter kodlaması ASCII'dir .

>>> '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)