Essa mudança na verdade é a principal mudança do Python 2 para o Python 3 - e
basicamente por conta dela que optaram pela transição com quebra de compatibilidade. Todo o texto em Python3 agora é "texto", não tem um mapeamento 1:1 automático para valores em bytes. Na prática a classe str
passa a se comportar exatamente como a classe "unicode" se comportava em Python 2.
A partir da versão 3.3 do Python, para facilitar a escrita de programas que pudessem funcionar simultâneamente em Python 2 e Python3, o prefixo u
para strings foi re-introduzido. Em Python 2, esse prefixo implicava que a string era "unicode", não "str". Em Python 3, ele não faz absolutamente nada - a string continua sendo "unicode". Ex.: u"maçã"
, b"nao pode ter acentos"
Em contrapartida, o prefixo b
que não fazia nada em Python2, indica que se está escrevendo um objeto do tipo bytes
em Python 3. Esse, por outro lado, embora possa ser usado em APIs que esperam realmente valores em bytes (com texto já codificado segundo alguma convenção para os acentos, os chamados "encodings" (ex. : latin1, utf-8, cp-852)). Mas sobretudo, em Python 3 se você tentar recuperar um único elemento de um objeto "str/bytes" no Python 2, o resultado é um objeto "str/bytes" de comprimento 1. Em Python 3, você recebe um número entre 0 e 255 - como acontece com as strings de ponteiro de char em C:
Python 2:
Python 2.7.17 (default, Nov 7 2019, 10:07:09)
[GCC 7.4.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> a = b"apple"
>>> a[0]
'a'
>>> b = "maçã"
>>> len(b)
6
>>> b = u"maçã"
>>> len(b)
4
Python 3.8.0+ (heads/3.8:d04661f, Oct 24 2019, 09:19:45)
Python 3:
[GCC 7.4.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> a = b"apple"
>>> a[0]
97
>>> b = "maçã"
>>> len(b)
4
>>> b = u"maçã"
>>> len(b)
4
>>> b[3]
'ã'
Para quem ainda não está familiarizado com "unicode" e "texto como bytes", sugiro a leitura de um artigo escrito em 2003 pelo Joel (o fundador do stackoverflow):https://www.scribd.com/document/3181016/Programacao-Joel-on-Unicode
unicode(minha_string)
gera o erro descrito.