cannot use a string pattern on a bytes-like object

這個錯誤我是發生在以下程式碼：

re.findall(pattern, data)

這個時候如何data的資料型別為bytes，時，就會包這個錯誤，因為它需要的是字串。
我們可以把上面的程式碼改成

type(data)
re.findall(pattern, data)

列印的結果：

<class 'str'>

所以我們要在使用re.findall()方法之前，先把data型別轉為字串str型別。方法：

re.findall(pattern, data
 
.decode('utf-8'))

其中decode和encode方法轉換流程：
      decode              encode

bytes ------> str(unicode)------>bytes

參考連結：

第二個參考連結中說：現在`python3`中findall引數型別改了為`chart-like`也就是str,
我這裡要說明下，我查了官方文件，即使在python2中也是str型別。引數型別並沒有改。

‘utf-8’ codec can’t decode byte 0x8b in position 1: invalid start byte

出現這個原因是首先你的header裡面配置了

'Accept-Encoding':' gzip, deflate'  

其次就是調read()方法時，又調了decode('utf-8')方法，如下：

data = op.read().decode('utf-8')
#因為op.read()資料還沒有解壓再去調decode()方法會報上面異常；

Accept-Encoding這句話：本地可以接收壓縮格式的資料，而伺服器在處理時就將大檔案壓縮再發回客戶端，
瀏覽器在接收完成後在本地對這個檔案又進行了解壓操作。出錯的原因是因為你的程式沒有解壓這個檔案。

重點來了：網上給的答案是，把Accept-Encoding刪除掉

我認為既然都知道是沒有解壓的原因，我們解壓不就行了，何必刪除。
況且像知乎這樣的網站，你爬來的資料不解壓都讀取不出來。
所以我們正確的做法應該是先解壓資料，這裡給出我的解壓程式碼：

# 解壓


def ungzip(data):
    try:
        print('正在解壓。。。。')
        data = gzip.decompress(data)
        #data = gzip.decompress(data).decode('utf-8')
        print('解壓完畢')
    except:
        print('未經壓縮，無需解壓')
    return data.decode('utf-8')

我這裡讀取的程式碼要這樣寫

data = op.read()
#data = op.read().decode('utf-8') 
#千萬別寫成這樣，因為op.read()資料還沒有解壓再去調decode()方法會報上面異常；
data = ungzip(data)

a bytes-like object is required, not ‘list’

首先我給出全部程式碼：

# -*- coding:utf-8 -*-
import re
import urllib
import urllib.request
import gzip
import http.cookiejar
import io
import sys
import string
# gb18030
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')
# 解壓


def ungzip(data):
    try:
        print('正在解壓。。。。')
        data = gzip.decompress(data)
        print('解壓完畢')
    except:
        print('未經壓縮，無需解壓')
    return data.decode('utf-8')

# 獲取xsrf


def getXSRF(data):
    cer = re.compile('name="_xsrf" value="(.*)"', flags=0)
    strlist = cer.findall(data)
    return strlist[0]

# 封裝好請求頭


def getOpener(head):
    # deal with the Cookies
    cj = http.cookiejar.CookieJar()
    pro = urllib.request.HTTPCookieProcessor(cj)
    opener = urllib.request.build_opener(pro)
    header = []
    for key, value in head.items():
        elem = (key, value)
        header.append(elem)
    opener.addheaders = header
    return opener

# 儲存


def saveFile(data):
    data = data.encode('utf-8')
    save_path = 'E:\\temp.out'
    f_obj = open(save_path, 'wb')  # wb表示開啟方式
    f_obj.write(data)
    f_obj.close()


# 請求頭值
header = {
    'Connection': 'Keep-alive',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'Accept-Language': 'zh-CN,zh;q=0.8,en;q=0.6',
    'Accept-Encoding': 'gzip,deflate',
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.71 Safari/537.36',
    'Host': 'www.qiushibaike.com'
}


# page = 1
url = 'http://www.qiushibaike.com/hot/'
# 獲得請求頭
# opener = getOpener(header)
# op = opener.open(url)
# data = op.read()
# data = ungzip(data)  # 解壓
# _xsrf = getXSRF(data.decode())


try:
    opener = getOpener(header)
    op = opener.open(url)
    data = op.read()

    data = ungzip(data)
    # op = urllib.request.urlopen(url)
    strRex = ('<div class="author clearfix">.*?<h2>(.*?)</h2>.*?<div class="articleGender.*?">(.*?)</div>' +
              '.*?<div class="content">(.*?)</div>(.*?)<div class="stats.*?class="number">(.*?)</i>')
    pattern = re.compile(strRex, re.S)
    print(type(data))
    items = re.findall(pattern, data)

    for item in items:
          print(item[0] + item[1] + item[2] + item[3])
    #     print(item)
    print(items)
    # saveFile(''.join(str(e) for e in items))#正確的程式碼
    saveFile(items)
except Exception as e:
    print(e)

出現上面錯誤的原因是執行這句程式碼：

saveFile(items)

而在saveFile函式中，`f_obj = open(save_path, 'wb')`可以看出，“wb”，
以二進位制的模式開啟檔案，並且可寫。而我插入的items是個陣列，所以報錯。

我查閱一些資料後,發現，可以去掉b引數，也就是變成：

f_obj = open(save_path, 'w')

執行程式碼後發現，它又要求傳入str字串型別。也就是說，當我們不指定已二進位制(b)的形式開啟檔案時，
預設寫入的是str型別。
解決思路：先把要寫入檔案的資料型別轉為str型別，再在saveFile，把str型別轉為bytes。
首先依然是以二進位制開啟檔案，我們在saveFile方法中新增

data = data.encode('utf-8')

encode這個方法就是把str型別轉為bytes型別。
list和tuple元組要利用`''.join()`方法來轉換為str
一開始我寫成

saveFile(items)

結果它又報：

sequence item 0: expected str instance, tuple found

它是說，它在序列中拿第一個元素時，希望得到str字串，結果它發現是元組(tuple);
也就意味著我們要先遍歷陣列把元組轉為str字串型別。

''.join(str(e) for e in items)

這句程式碼從右往左看，先去遍歷items，然後在對每項使用str()方法進行轉換為str型別。
而每項是元組，所以又要使用join函式來把元組轉成str型別`''.join()`.
還有就是元組轉成str字串，列印的效果和沒有轉是一樣的，但是用type(str(e))方法能看出區別。

    s = ('a', 'b', 'c')
    print(str(s))
    print(s)
    print(type(str(s)))
    print(type(s))

列印結果是：

('a', 'b', 'c')
('a', 'b', 'c')
<class 'str'>
<class 'tuple'>

所以解決辦法就是把saveFile(items)改成：

saveFile(''.join(str(e) for e in items))

最後貼出 list tuple str之間的相互轉換

list()方法是把字串str或元組轉成陣列
tuple()方法是把字串str或陣列轉成元組

>>> s = "xxxxx"
>>> list(s)
['x', 'x', 'x', 'x', 'x']
>>> tuple(s)
('x', 'x', 'x', 'x', 'x')
>>> tuple(list(s))
('x', 'x', 'x', 'x', 'x')
>>> list(tuple(s))
['x', 'x', 'x', 'x', 'x']

列表和元組轉換為字串則必須依靠join函式

>>> "".join(tuple(s))
'xxxxx'
>>> "".join(list(s))
'xxxxx'
>>> str(tuple(s))
"('x', 'x', 'x', 'x', 'x')"#要是使用sublime text 3外掛sublimeREPl，是不會顯示外層的雙引號的。上面同理。
>>> 

參考連結：