Python2和Python3的一些语法区别

python

1.print

在版本2的使用方法是：

print 'this is version 2

也可以是

print('this is version 2')

但到了3，就只能加上括号，像一个函数一样来使用 print：

print('this is version 3')

2.input

2里面有两个用来从命令行接受输入的函数：input 和 raw_input。

value = input()

input 接收的是一个值或变量，也就是说，你如果输 123，程序接收到的就是整数 123，你输 True，就是 bool 值 True。如果你输了 abc，程序会认为这是一个叫做 abc 的变量，而假如你没有定义过这个变量，就会报错。

所以，当你想用 input 得到一段文字的话，必须把文字写在引号 "" 或 '' 中。

text = raw_input()

raw_input 接收的则是你输入的字符串，而不管你输的是什么内容。如果你直接拿 raw_input 得到的“数字”去比较大小，则会得到奇怪的结果。

在版本3里，为了减少混乱，这两种输入方式被合并了。只是合并的方式又坑了新手：它保留了 input 这个名字和 raw_input 的效果。3里只有input函数，它接收你输入的字符串，不管你输的是什么。

text = input()

那么在3里，如何像2一样得到用户输入的一个值呢？方法是 eval()：

value = eval(input())

或者，如果你只是需要一个整数值，也可以：

value = int(input())

3. python3版本相对2版本的部分其他区别

除了一开始越到的这两个坑外，还有其他一些可能遇到的变动，这里以3与2相比的差异来说：

1.打开文件不再支持 file 方法，只能用 open

2.range不再返回列表，而是一个可迭代的range对象

3.除法 / 不再是整除，而是得到浮点数，整除需要用双斜杠 //

4.urllib和urllib2合并成了urllib，常用的urllib2.urlopen()变成了urllib.request.urlopen()

5.字符串及编码相关有大变动，简单来说就是原来的str变成了新的bytes，原来的unicode变成了新的str。

bytes

相当于python2中的str类型，从网页上抓取下来的数据流也是该类型的

在python3中，要得到一个bytes类型的变量，可以在字符串内容前面加入b得到，前提是该字符串的内容是可以完全由ASCII码表示的，否则会出现语法错误

相当于Python2中的str类型，从网页上抓取下来的数据流也是该类型的

在Python3中，要得到一个bytes类型的变量，可以在字符串内容前面加入b得到，但前提是该字符串的内容是可以完全由ascii码表示的，否则会出现语法错误。

Python 3.6.1

>>>s1 = "你好"

>>>s1

'你好'

>>>type(s1)

<class 'str'>

>>>s2 = b'你好'

>>>

    File "<stdin>", line 1

SyntaxError: bytes can only contain ASCII literal characters.

>>>s2 = b'abc'

>>>s2

b'abc'

>>>type(s2)

<class 'bytes'>

unicode

unicode为解决传统字符编码的局限性而产生，为每一种语言的每一个字符设置了统一且唯一的二进制码，Python内部用于记录的也是该编码方式

上面的例子中s1就是通过unicode码来进行存储的

str

在Python3中的str类型对应的就是Python2中的unicode类型，即以统一的unicode码保存。而且，在Python3中，程序中所设置的字符串即直接保存为统一的str类型（unicode）

上面的例子中s1就是str类型的变量

encode与decode

由于存在着这两种不同的类型，势必要牵涉到二者的互相转化。bytes通过某一种编码方式（decode）得到str，而str通过某一种解码方式（encode）得到bytes

问题：为何会出现乱码的情况

unicode是表示了世界上所有的字符的, 但是其内部的存储是以二进制位存储的，比如你好的unicode编码为\u4f60\u597d

但是我们所见到的并不是\u4f60\u597d这一串编码，而是你好这两个汉字

这是由于控制台环境本身提供一个编码方式，比如uft-8，gbk，cp936等，通过这些编码方式，unicode码就转换成了我们可识别的字符了。

但是，不同的编码方式之间是存在区别的，当得到一个通过A方式编码得到的bytes类型，如果用B方式去进行解码的话，它就会按照B的标准去解读，那样就会出现乱码的现象。

s = "你好"

print(s)

s1 = s.encode("utf-8").decode("gbk")

print(s1)

######output########

你好

浣犲ソ

因此，开发的时候要弄清楚输入来源的编码以及输出环境的编码，尽可能保证一致性，或者做好转换的工作，可以减少出现乱码的可能性

问题：如何获取编码方式的信息？

获取目标bytes的编码方式

这一情况可以通过chardet模块的detect()函数来获取信息，chardet是第三方库，可以通过pip来安装

b是待检测的bytes变量

import chardet

print(chardet.detect(b))

######output####

 {'confidence': 1.0, 'encoding': 'ascii'}

confidence是指匹配程度，encoding是指可能的编码方式

获取当前环境的编码方式

这一情况可以使用sys模块下的getdefaultencoding()函数来获取信息

import sys

print(sys.getdefaultencoding())

######## output#####

utf-8

问题：在控制台上看到的到底是什么？

写上面的东西的时候产生了一个疑问，现在已经知道Python内部存储str的方式是使用unicode字符集，但是我们在屏幕上看到的并不是unicode字符集

s = "你好"

print(s)

#########output#############

你好

s的 unicode 是 \u4f60\u597d

那么，这中间应该是进行了某种转换

实际上，在执行print(str)的时候，python内部执行了encoding操作，控制台拿到的其实是一个bytes变量

之后，控制台又根据环境内部的编码方式，将所得到的bytes内容进行decoding的操作，就显示了原先str的内容