문자열 데이터의 시퀀스 표현
bytes
-
이런 유형의 인스턴스는 부호가 없는 8바이트 데이터가 그대로 들어간다.
-
아스키 인코딩을 사용해 내부 문자 표시
-
직접 대응하는 텍스트 인코딩이 없다
-
이진 데이터를 유니코드 데이터로 변환(decode메서드 호출)
*예시1
a = b'h\x64llo'
print(list(a)) #[104, 101, 108, 108, 111]
print(a) # b'hello'*예시2
# bytes or str인스턴스 받아서 항상 bytes을 반환
def to_bytes(bytes_or_str):
if isinstance(bytes_or_str, str):
value = bytes_or_str.encode('utf-8')
else:
value = bytes_or_str
return value #bytes 인스턴스
print(repr(to_bytes(b'foo'))) # b'foo'
print(repr(to_bytes('bar'))) # b'bar'
print(repr(to_bytes('한글'))) # b'\xed\x95\x9c\xea\xb8\x80'- bytes인스턴스끼리는 더하거나 비교 가능
print(b'one'+b'two') # b'onetwo'
assert b'red' > b'blue'str
-
이런 유형의 인스턴스는 언어의 문자를 표현하는 유니코드 코드 포인트가 있다.
-
직접적으로 대응하는 텍스트 인코딩이 있다
-
유니코드 데이터를 이진 데이터로 변환(encode 메서드 호출)
*예시1
a = 'a\u0300 propors'
print(list(a)) # ['a', '`', ' ', 'p', 'r', 'o', 'p', 'o','s']
print(a) #a` propos*예시2
# bytes or str인스턴스 받아서 항상 str을 반환
def to_str(bytes_or_str):
if isinstance(bytes_or_str, bytes):
value = bytes_or_str.decode('utf-8')
else:
value = bytes_or_str
return value #str 인스턴스
print(repr(to_str(b'foo'))) # 'foo'
print(repr(to_str('bar'))) # 'bar'
print(repr(to_str(b'\wed\x95\x9c'))) # UTF-8에서 한글은 3바이트입니다., '한'- str인스턴스끼리는 더하거나 비교 가능
print('one' + 'two')
assert 'red' > 'blue'참고
시스템 디폴트 인코딩 방식(UTF-8)
-
유니코드 샌드위치: 유니코드 데이터를 인코딩 혹은 디코딩하는 부분을 인터페이스의 가장 먼 경계 지점에 위치
-
str사용
-
문자 인코딩에 대해 가정하면 안됨
-
다양한 텍스트 인코딩(Latin-1, Shift JIS, euc-kr, cp949, Big5등)으로 입력데이터 받기
-
출력 인코딩은 UTF-8으로만 제한된다.
-
bytes와 str이 각각의 인스턴스는 서로 호환되지 않는다.(데이터 타입 다를 시 연산 안되는 것처럼 이것도 그렇다,)
-
문자 시퀀스가 어떤 타입인지 항상 잘 알고 있어야 한다.
-
bytes와 str인스턴스가 같은지 비교 시 항상 False가 나온다
-
%연산자는 각 타입의 형식화 문자열에 대해 작동한다.
-
str인스턴스를 bytes 형식화 문자열에 넘길 수는 없다.
-
bytes인스턴스를 str 형식화 문자열에는 넘길 수 있다.
print('red %s' % b'blue') #red b'blue'문자를 표현하는 타입이 둘로 남겨져서 생기는 상황
-
UTF-8로 인코딩된 8비트 시퀀스를 그대로 사용
-
특정 인코딩을 지정하지 않은 유니코드 문자열 사용
파일 핸들과 관련한 연산들이 디폴트 요구의 차이(유니코드O,이진 바이트x)
-
파일 핸들: 내장 함수인 open을 호출해서 얻음
-
코드 실행이 안됨
- 이유: 이진 쓰기 모드('wb')방식이 아닌 텍스트 쓰기 모드('w') 열기
-
파일이 텍스트 모드
- 유니코드 데이터가 있는 str인스턴스 요구
- 'wb'모두 사용헤서 파일 열기
with open('data.bin', 'wb') as f:
f.write(b'\xf1\xf2\xf3\xf4\xf5')
- 파일 읽기
# open함수의 encoding파라미터 명시
with open('data.bin', 'rb') as f:
data = f.read()
assert data == b'\xf1\xf2\xf3\xf4\xf5' #조건문핵심 정리
-
bytes에는 8비트 값의 시퀀스이고, str에는 유니코드 코드 포인트의 시퀀스가 들어 있다.
-
처리할 입려깅 원하는 문자 시퀀스인지 확실히 하려면 도우미 함수 사용
- 8비트 값, UTF-8로 인코딩된 문자열, 유니코드 코드 포인트
-
bytes와 str 인스턴스를(>,==,+,%와 같은)연산자에 섞어서 사용X
-
이진 데이터를 읽거나 쓸 때 이진 모드('rb' or 'wb')로 열기
-
유니코드 데이터를 파일에서 읽거나 파일을 쓸 때, 시스템 디폴트 인코딩 주의
-
open encoding 파라미터를 명시적으로 전달하여 인코딩 차이로 놀라지 않게 된다.
