Python字节操作进阶：bytes与bytearray核心区别与实战用法

脚本专家

在Python开发中，处理字符串(str)时一切看起来都很自然，但当你需要读取二进制文件、解析网络数据包或进行加密计算时，就会遇到bytes和bytearray。不少初学者混淆它们与str的关系，甚至遇到类似“a bytes-like object is required”的错误。本文从底层原理出发，梳理bytes和bytearray的区别、创建与操作方式、编码解码规则，并给出文件I/O、网络编程、struct打包等典型场景的代码实践。

一、为什么需要bytes?

计算机只能存储二进制数据（0和1），8个bit组成一个byte，可以表示0~255的整数。人类使用的文字、符号需要经过编码转换为字节序列才能存储和传输。Python中str是Unicode字符序列，而bytes是0~255的整数序列。两者通过encode()和decode()相互转换。

同一个字符在不同编码下字节长度不同：

2. char = '中'
3. print(char.encode('utf-8'))   # b'\xe4\xb8\xad' (3字节)
4. print(char.encode('gbk'))     # b'\xd6\xd0' (2字节)
5. print(char.encode('ascii'))   # 报错UnicodeEncodeError

复制代码

str的元素是长度为1的字符串，而bytes的元素是整数：

2. text = 'Python编程'
3. data = text.encode('utf-8')
4. print(data[0])   # 80 (整数)
5. print(text[0])   # 'P' (字符串)

复制代码

二、bytes——不可变的字节序列

2.1 创建bytes的四种方式

1. 使用b前缀字面量（仅限ASCII字符或转义序列）
2. bytes()构造函数从整数序列创建
3. bytes()构造函数指定长度（全零）
4. 通过str.encode()方法

2. # 方式一：b前缀
3. b'hello'
4. b'\xe4\xbd\xa0\xe5\xa5\xbd'   # '你好'的UTF-8转义
6. # 方式二：整数列表
7. bytes([72,101,108,108,111])   # b'Hello'
9. # 方式三：指定长度
10. bytes(5)   # b'\x00\x00\x00\x00\x00'
12. # 方式四：encode
13. 'Python编程'.encode('utf-8')  # b'Python\xe7\xbc\x96\xe7\xa8\x8b'

复制代码

2.2 基本操作（索引、切片、成员检查）

2. data = b'hello world'
3. print(data[0])        # 104 (整数)
4. print(data[:5])       # b'hello'
5. print(104 in data)    # True
6. print(b'hello' in data) # True
7. print(list(b'ABC'))   # [65,66,67]

复制代码

2.3 常用方法

bytes支持类似str的方法，但操作对象是字节：

2. data = b'hello world hello python'
3. print(data.find(b'hello'))      # 0
4. print(data.count(b'hello'))     # 2
5. print(data.replace(b'hello',b'hi')) # b'hi world hi python'
6. print(b' hello '.strip())       # b'hello'
7. print(b' '.join([b'a',b'b']))   # b'a b'

复制代码

三、bytearray——可变的字节序列

bytearray与bytes类似，但可以原地修改，适合需要频繁修改二进制数据的场景（如网络缓冲、图像处理）。

2. ba = bytearray(b'hello')
3. ba[0] = 106               # 改为'j' (ASCII 106)
4. print(ba)                 # bytearray(b'jello')
6. # bytes不可变，赋值会报错
7. # b'hello'[0] = 106       # TypeError

复制代码

3.1 创建与修改操作

2. ba = bytearray(b'hello world')
3. ba[0] = ord('H')
4. ba[6:11] = b'python'      # 切片赋值
5. ba.append(33)             # 追加感叹号
6. ba.extend(b' world')      # 扩展
7. ba.insert(5, ord(','))    # 插入
8. ba.pop()                  # 弹出末尾
9. ba.remove(ord('a'))       # 移除第一次出现的字节值
10. ba.reverse()              # 反转
11. ba.clear()                # 清空

复制代码

3.2 特有方法

bytearray有copy()方法，返回独立拷贝：

2. ba = bytearray(b'Hello')
3. copied = ba.copy()
4. ba[0] = 106
5. print(ba)        # bytearray(b'jello')
6. print(copied)    # bytearray(b'Hello')

复制代码

四、编码与解码——str与bytes的桥梁

4.1 encode()——从str到bytes

2. text = 'Python编程'
3. print(text.encode('utf-8'))
4. print(text.encode('gbk'))
5. print(text.encode('ascii', errors='replace'))  # b'Python????'

复制代码

errors参数支持strict（默认）、ignore、replace、xmlcharrefreplace、backslashreplace、namereplace。

4.2 decode()——从bytes到str

2. data = b'Python\xe7\xbc\x96\xe7\xa8\x8b'
3. print(data.decode('utf-8'))   # Python编程
4. # 错误编码导致乱码或异常
5. corrupted = b'hello\xffworld'
6. print(corrupted.decode('utf-8', errors='replace')) # hello?world

复制代码

实际中可编写安全解码函数，尝试多种编码：

2. def safe_decode(data):
3.     encodings = ['utf-8','gbk','gb2312','iso-8859-1','windows-1252']
4.     for enc in encodings:
5.         try:
6.             decoded = data.decode(enc)
7.             if decoded.count('\ufffd') / max(len(decoded),1) < 0.1:
8.                 return enc, decoded
9.         except:
10.             continue
11.     return 'utf-8', data.decode('utf-8', errors='replace')

复制代码

4.3 BOM（字节顺序标记）

BOM用于标识编码和字节序，UTF-8 BOM为EF BB BF，UTF-16 LE BOM为FF FE，UTF-16 BE BOM为FE FF。处理文件时可检测并移除BOM：

2. raw = b'\xef\xbb\xbfhello'
3. if raw.startswith(b'\xef\xbb\xbf'):
4.     text = raw[3:].decode('utf-8')

复制代码

Python的utf-8-sig编码可自动处理BOM：

2. with open('test.txt','w',encoding='utf-8-sig') as f:
3.     f.write('带BOM的文字')

复制代码

五、实用场景

5.1 文件I/O——二进制模式

处理非文本文件（图片、音频等）必须使用二进制模式：

2. with open('image.jpg','rb') as f:
3.     data = f.read()
4. # 分块拷贝大文件
5. def copy_binary(src, dst):
6.     with open(src,'rb') as fin, open(dst,'wb') as fout:
7.         while True:
8.             chunk = fin.read(8192)
9.             if not chunk: break
10.             fout.write(chunk)

复制代码

通过文件头魔数判断文件类型：

2. def detect_type(filepath):
3.     magic = {
4.         b'\x89PNG\r\n\x1a\n':'PNG',
5.         b'\xff\xd8\xff':'JPEG',
6.         b'%PDF':'PDF',
7.         b'PK\x03\x04':'ZIP',
8.     }
9.     with open(filepath,'rb') as f:
10.         head = f.read(8)
11.         for m,t in magic.items():
12.             if head.startswith(m):
13.                 return t
14.     return '未知'

复制代码

5.2 网络编程

socket收发数据均为bytes：

2. import socket
3. sock = socket.socket()
4. sock.connect(('httpbin.org',80))
5. request = b'GET /get HTTP/1.1\r\nHost: httpbin.org\r\n\r\n'
6. sock.sendall(request)
7. response = b''
8. while True:
9.     chunk = sock.recv(4096)
10.     if not chunk: break
11.     response += chunk
12. sock.close()

复制代码

5.3 使用struct模块打包二进制数据

处理自定义二进制协议：

2. import struct
3. # 打包：魔数(2B) + 消息ID(4B) + 类型(2B) + 长度(2B) + 载荷
4. magic = b'\xAB\xCD'
5. msg_id, msg_type, payload = 1, 0, 'Hello'
6. payload_bytes = payload.encode('utf-8')
7. header = struct.pack('!IHH', msg_id, msg_type, len(payload_bytes))
8. packet = magic + header + payload_bytes

复制代码

六、常见错误与调试

常见错误：TypeError: a bytes-like object is required, not 'str'。
通常发生在需要bytes的地方传入了str，比如socket.sendall()传入字符串。解决方法是先encode()。

bytes与十六进制字符串互转：

2. # bytes -> hex string
3. print(b'hello'.hex())   # '68656c6c6f'
4. # hex string -> bytes
5. print(bytes.fromhex('68656c6c6f'))  # b'hello'

复制代码

七、总结

bytes是不可变的字节序列，bytearray是可变的。str与bytes通过encode/decode转换。处理二进制文件、网络通信、协议解析时，必须使用bytes或bytearray。掌握它们的创建、操作和编码解码细节，能避免开发中常见的类型错误和乱码问题。

热心网友1

感谢楼主的详细教程！平时写脚本时经常遇到bytes和str混用的报错，这篇文章把底层区别和操作方法梳理得很清楚，尤其是bytearray可变性的例子很直观。关于切片赋值时长度不匹配的情况，我试过bytearray(b'hello')[1:4] = b'ABC'是可以的，但如果源长度大于目标呢？会不会自动调整bytearray的长度？希望楼主能补充一下这方面的边界情况。总之非常实用，已收藏！