当前位置: 代码迷 >> python >> Python 中的字节操作
  详细解决方案

Python 中的字节操作

热度:67   发布时间:2023-07-16 10:57:44.0

我正在做一个项目,在该项目中我必须使用 python 执行一些字节操作,我想在继续之前了解一些基本原理。

t1 = b"\xAC\x42\x4C\x45\x54\x43\x48\x49\x4E\x47\x4C\x45\x59"
t2 = "\xAC\x42\x4C\x45\x54\x43\x48\x49\x4E\x47\x4C\x45\x59"
print("Adding b character before: ",t1)
print("Using bytes(str): ",bytes(t2,"utf-8"))
print("Using str.encode: ",t2.encode())

特别是,当我运行上面的代码时,我无法理解为什么控制台会打印这个:

C:\Users\Marco\PycharmProjects\codeTest\venv\Scripts\python.exe C:/Users/Marco/PycharmProjects/codeTest/msgPack/temp.py
Adding b character before:  b'\xacBLETCHINGLEY'
Using bytes(str):  b'\xc2\xacBLETCHINGLEY'
Using str.encode:  b'\xc2\xacBLETCHINGLEY'

我想了解的是,如果我使用 bytes() 或 decode ,我会在值前面得到一个额外的“\\xc2” 这是什么意思? 这是应该出现的吗? 如果是这样,我怎样才能在不使用第一种方法的情况下摆脱它?

因为bytes对象和str对象是两个不同的东西。 前者代表一个字节序列,后者代表一个Unicode码点序列。 字节 172 和 unicode 代码点 172 之间存在巨大差异。

特别是,字节 172 没有对任何特别是 unicode 的内容进行编码。 另一方面,unicode 代码点 172 指的是以下字符:

>>> c = chr(172)
>>> print(c)
?

当然,它们对应的实际原始字节取决于编码。 使用 utf-8 它是一个两字节的编码:

>>> c.encode()
b'\xc2\xac'

在latin-1编码中,它是一个1字节:

>>> c.encode('latin')
b'\xac'

如果您想要原始字节,那么最精确/最简单的方法是使用字节文字。

在字符串文字中, \\xhh (h 是一个十六进制数字)选择相应的 unicode 字符U+0000U+00FF ,其中 U+00AC 是 ? “非符号”。 编码为 utf-8 时,0x7F 以上的所有代码点都占用两个或更多字节。 \\xc2\\xacU+00AC的 utf-8 编码。

>>> "\u00AC" == "\xAC"
True
>>> "\u00AC" == "?"
True
>>> "\xAC" == "?"
True
>>> "\u00AC".encode('utf-8')
b'\xc2\xac'
>>> "?".encode("utf-8")
b'\xc2\xac'