CS61a学习疑问：读取文本元素前缀'b'的含义及解决方法

嘿，这个问题我刚学Python网络请求的时候也踩过坑！让我给你掰扯清楚：

那个'b'到底是什么意思？ #

这个b前缀可不是什么奇怪的bug，它是Python用来标记字节（bytes）类型数据的标识。当你用urlopen请求网络上的文本资源时，服务器返回的原始响应是字节流形式——毕竟网络传输的都是二进制数据嘛。所以shakes.read()拿到的是一个bytes对象，你调用split()拆分后，每个元素自然也都是bytes类型，就会带上这个b前缀。

怎么把这个烦人的'b'去掉？ #

核心操作就是把字节数据**解码（decode）**成我们常用的字符串（str）类型。因为这个莎士比亚的文本是用UTF-8编码的，直接用decode('utf-8')就能搞定：

修改后的代码示例：

>>> shakes = urlopen('http://composingprograms.com/shakespeare.txt')
# 先把字节流解码成字符串，再拆分
>>> text = shakes.read().decode('utf-8').split()
>>> text[:25]
['A', "MIDSUMMER-NIGHT'S", 'DREAM', 'Now', ...]

额外提醒： #

• 为什么要指定utf-8？因为大多数现代网站和文本资源都用UTF-8编码，这是最通用的选择。如果遇到解码报错的情况，你可以试试其他编码，但这个莎士比亚文本用UTF-8肯定没问题。
• 要是你之后想对这些文本做查找、替换或者正则匹配之类的操作，必须先转成str类型，不然很多字符串方法对bytes对象根本不生效哦。

内容的提问来源于stack exchange，提问作者Shan Zhang