Python 的内置函数 bytes

作者:IMPYLH日期:2025/10/14

Python 内建函数列表 > Python 的内置函数 bytes

1class bytes(x=b''):
2    '''
3    创建 bytes
4
5    :param x: 要转换的变量
6    :return: x 转换为 bytes 后的值
7    '''
8

Python 的内置函数 bytes 用于创建不可变的字节序列对象。它是 Python 中处理二进制数据的基本类型之一,与 str 类型类似但专门用于表示字节数据而非文本。

bytes 函数有三种主要创建方式:

  1. 通过指定长度创建:bytes(5) 会创建一个包含 5 个零字节的序列(b’\x00\x00\x00\x00\x00’)
  2. 通过可迭代对象创建:bytes([65, 66, 67]) 会创建包含 ASCII 码 65-67 的字节序列(b’ABC’)
  3. 通过字符串和编码创建:bytes('你好', 'utf-8') 会将字符串按指定编码转换为字节序列

字节序列的主要特点包括:

  • 不可变性:一旦创建就不能修改
  • 取值范围:每个字节必须是 0 <= x < 256 的整数
  • 显示方式:可打印字符显示为 ASCII 字符,其他显示为 \x 加十六进制

常见应用场景:

  1. 文件 I/O 操作:open('file.bin', 'rb').read() 返回的就是 bytes 对象
  2. 网络通信:socket 发送接收的数据通常是 bytes 格式
  3. 数据序列化:pickle、json 等模块处理的数据底层都是 bytes
  4. 加密算法:哈希、加密等操作通常处理字节数据

bytearray 的区别:

  1. bytes 是不可变的,bytearray 是可变的
  2. bytes 可以直接作为字典键使用,bytearray 不行
  3. 性能上 bytes 通常比 bytearray 稍快

示例用法:

点击运行

1# 创建 bytes 对象
2b1 = bytes(3)  # b'\x00\x00\x00'
3b2 = bytes([72, 101, 108, 108, 111])  # b'Hello'
4b3 = bytes('Python', 'ascii')  # b'Python'
5
6# 常用方法
7data = b'example'
8print(data.hex())  # 转换为十六进制字符串:'6578616d706c65'
9print(data.decode('utf-8'))  # 解码为字符串:'example'
10

Python 的内置函数 bytes》 是转载文章,点击查看原文


相关推荐


电视盒子助手开心电视助手 v8.0 删除电视内置软件 电视远程控制ADB去除电视广告
2501_929382652025/10/13

电视盒子助手开心电视助手 v8.0 删除电视内置软件 电视远程控制ADB去除电视广告                                       “开心电视助手V8.0最新版”是一款功能强大的安卓电视/电视盒子管理软件,通常运行在Windows电脑上。它通过局域网(Wi-Fi)或USB数据线连接到您的电视或盒子,实现一系列高级管理、调试和控制功能。 它尤其受到开发者、电视发烧友和喜欢折腾智能电视/盒子的用户的欢迎。支持安卓设备的电视 盒子 安卓手机 安卓所有设备 下载地


C# 中 Excel 工作表打印前页面边距的设置方法
缺点内向2025/10/12

C# 中 Excel 工作表打印前页面边距的设置方法 在日常的业务报表生成与文档打印场景中,Excel无疑是不可或缺的工具。然而,当我们需要批量打印或自动化生成Excel报表时,一个常见且令人头疼的问题浮现:如何确保所有打印输出的页面边距一致,避免手动逐一调整的繁琐与低效呢? 本文将探讨在C#环境中,如何通过编程方式精确控制Excel工作表的打印页面边距。在这里,我们将借助第三方库——Spire.XLS for .NET,为您提供一个高效、自动化且易于实现的解决方案,让您的Excel打印设置工作


FunASR 前端语音识别代码解析
Cosolar2025/10/10

这是基于Web技术的FunASR( 阿里巴巴达摩院 开源语音识别项目) 前端实现方案,支持麦克风实时录音识别与本地音频文件上传识别两大核心场景。整体功能围绕WebSocket通信、音频数据处理、语音识别结果解析三大关键环节展开,以下从代码结构、核心模块及关键逻辑三方面进行详细剖析。 代码:gitee.com/towao/FunAS… 一、代码整体结构 代码采用原生JavaScript编写,无框架依赖,整体架构清晰,主要划分为初始化配置、UI交互 控制 、音频 数据 处理、WebSocket通信、


Python私教FastAPI+React构建Web应用03 FARM技术栈介绍
Python私教2025/10/9

写在前面 作者:Python私教-张老师 时间:2025年10月07日 出处:电子书《Build Web Applications with FastAPI, React, and MongoDB》 翻译:英文是手抄的,可能会有错误,大家看到了请谅解一下。中文是使用有道词典翻译的。 改进:其中有些地方为了适配国内的阅读习惯以及录播课程,做了一些优化处理,可能会和原书不一样的地方。 简介:本篇文章主要介绍FARM技术栈,分别讲解FastAPI,React和MongoDB的优势以及组合后


“成章”写作助手开源:中秋赏不成月,那就开源一个 AI 实战项目吧
飞哥数智谈2025/10/7

前一阵的实战系列分享中,我们一块实现了一个 AI 写作助手 —— 成章。 当时就打算开源出来,方便感兴趣的同学学习、二开,但一直被各种事情打断,拖到了现在。 今天,赶上中秋节,但阴天没法赏月,索性整理一下先发布出来,需要的自取哈! 简介 “成章”写作助手是一个专为写作者设计的现代化写作平台,实现了文章编写、AI 辅助写作、图片上传等功能,旨在提供高效、便捷的写作体验。 前端开源地址:gitee.com/FlyFive/che… 后端开源地址:gitee.com/FlyFive/che… 功能


草梅 Auth 1.9.0 发布验证码组件 | 2025 年第 40 周草梅周报
草梅友仁2025/10/6

本文在 草梅友仁的博客 发布和更新,并在多个平台同步发布。如有更新,以博客上的版本为准。您也可以通过文末的 原文链接 查看最新版本。 前言 欢迎来到草梅周报!这是一个由草梅友仁基于 AI 整理的周报,旨在为您提供最新的博客更新、GitHub 动态、个人动态和其他周刊文章推荐等内容。 本周依旧在开发 草梅 Auth 中。 你也可以直接访问官网地址:auth.cmyr.dev/ Demo 站:auth-demo.cmyr.dev/ 文档地址:auth-docs.cmyr.dev/ 本周 草梅


SwiftUI redraw 机制全景解读:从 @State 到 Diffing
unravel20252025/10/4

为什么 UIKit 程序员总问“我的状态去哪了?” 特性UIKitSwiftUI视图定义与生命周期视图为类(Class),生命周期明确,长期驻留内存视图为值类型(Struct),每次刷新生成新实例状态保存方式状态保存在视图对象内部Struct 销毁后,状态需由外部系统(如 ObservableObject、@State 等)托管 SwiftUI 提供了一堆 Property Wrapper 来“假装”状态还在视图里,核心就是 @State。 @State


Vue基础10题:答不上来的,简历别写"熟悉Vue"
小时前端2025/10/3

前言 上周面了个应届生,简历上写着"熟悉Vue框架,有多个项目经验"。我问他v-if和v-show的区别,他说"一个是显示隐藏,一个是条件渲染"。我追问"那什么场景用哪个",他卡壳了,这就是典型的‘背题党’。 这就是大部分人的现状:概念背得滚瓜烂熟,一问实战场景就露馅。 今天这10道Vue基础题,每道题我都会告诉你:面试官为什么问这个、标准答案怎么说、什么回答会让你直接出局。每题都配"速记公式",面试前一晚看这篇就够了。 1. 什么是Vue.js?Vue的核心特性和设计理念是什么? 速记公式:


使用 uv 在 Windows 上快速搭建 Python 开发环境
马诗剑2025/10/2

本教程将指导你如何在 Windows 系统上,使用 uv(一个由 Ruff 的作者开发的极速 Python 打包和项目管理工具)来快速创建虚拟环境并安装项目依赖。uv 可以看作是 venv 和 pip 的一个更快、更现代的替代品。 环境要求 Windows 操作系统 已安装 Python (本教程以 Python 3.12 为例) Windows PowerShell 步骤 1: 安装 uv 首先,我们需要安装 uv。这里提供两种方法。 方法一:官方推荐脚本 (推荐) 从开始


Qwen-Image:开源图像生成新突破 —— 聚焦复杂文本渲染与精准图像编辑
算法打盹中2025/10/2

引言 继Qwen-coding与Qwen-reasoning模型取得突破性进展后,阿里巴巴Qwen团队推出了Qwen-Image模型。作为Qwen系列中的开源图像生成基础模型,该模型在复杂文本渲染与精确图像编辑领域实现了显著技术突破。 图像生成领域的核心挑战 尽管图像生成技术在近年取得长足进步,但特定任务场景下的技术瓶颈仍未完全突破: 在文本到图像生成(T2I)任务中,模型输出与多维度复杂提示词的语义对齐仍是亟待解决的关键问题。即便如GPT Image 1及Seedream 3.0等主流

首页编辑器站点地图

Copyright © 2025 聚合阅读

License: CC BY-SA 4.0