¿La mejor manera de convertir cadenas a bytes en Python 3?

Parece que hay dos formas diferentes de convertir una cadena a bytes, como se ve en las respuestas a TypeError: 'str' no es compatible con la interfaz del búfer

¿Cuál de estos métodos sería mejor o más pitónico? ¿O es solo una cuestión de preferencia personal?

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

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

Si miras los documentos bytes, te indica bytearray:

bytearray ([fuente [, codificación [, errores]]])

Devuelve una nueva matriz de bytes. El tipo bytearray es una secuencia mutable de enteros en el rango 0 <= x <256. Tiene la mayoría de los métodos habituales de secuencias mutables, descritos en Tipos de secuencia mutable, así como la mayoría de los métodos que tiene el tipo de bytes, vea Bytes y Métodos de matriz de bytes.

El parámetro fuente opcional se puede usar para inicializar la matriz de diferentes maneras:

Si es una cadena, también debe proporcionar los parámetros de codificación (y opcionalmente, errores); bytearray () luego convierte la cadena a bytes usando str.encode ().

Si es un entero, la matriz tendrá ese tamaño y se inicializará con bytes nulos.

Si es un objeto conforme con la interfaz del búfer, se usará un búfer de solo lectura del objeto para inicializar la matriz de bytes.

Si es un iterable, debe ser un iterable de enteros en el rango 0 <= x <256, que se utilizan como el contenido inicial de la matriz.

Sin un argumento, se crea una matriz de tamaño 0.

Por byteslo tanto, puede hacer mucho más que solo codificar una cadena. Es Pythonic que le permitiría llamar al constructor con cualquier tipo de parámetro fuente que tenga sentido.

Para codificar una cadena, creo que some_string.encode(encoding)es más Pythonic que usar el constructor, porque es el más autodocumentado: "tomar esta cadena y codificarla con esta codificación" es más claro que bytes(some_string, encoding): no hay un verbo explícito cuando se usa el constructor.

Editar: Revisé la fuente de Python. Si pasa una cadena unicode a bytesCPython, llama a PyUnicode_AsEncodedString , que es la implementación de encode; así que solo te estás saltando un nivel de indirección si te llamas a encodeti mismo.

Además, vea el comentario de Serdalis: unicode_string.encode(encoding)también es más pitónico porque es inverso byte_string.decode(encoding)y la simetría es agradable.

Es más fácil de lo que se piensa:

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

La absolutamente mejor manera es que ninguno de los 2, pero el tercero. El primer parámetro predeterminado es desde Python 3.0. Por lo tanto, la mejor manera esencode 'utf-8'

b = mystring.encode()

¡Esto también será más rápido, porque el argumento predeterminado no da como resultado la cadena "utf-8"en el código C, sino NULLque es mucho más rápido verificar!

Aquí hay algunos horarios:

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

A pesar de la advertencia, los tiempos fueron muy estables después de repetidas ejecuciones: la desviación fue de solo ~ 2 por ciento.

Usar encode()sin argumento no es compatible con Python 2, ya que en Python 2 la codificación de caracteres predeterminada es ASCII .

>>> '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)