删除坏字符 "\xC2" python 字符串

Question

我有下一个代码：

string_msg = '\x80\x01\x00\x00\x00\x00\x53\x58\x00\x1C\x00\x00\x00\x08\x00\x01\x00\x74\x00\x00\x00\x0A\x00\x54\x00\x00\x00\x03'
print(string_msg)
if sys.version < '3':
    print(":".join("{:02x}".format(ord(c)) for c in string_msg))
else:
    print(":".join("{:02x}".format(c) for c in string_msg.encode()))

在python 2中，结果是：

80:01:00:00:00:00:53:58:00:1c:00:00:00:08:00:01:00:74:00:00:00:0a:00:54:00:00:00:03

但是在python 3中，结果是：

c2:80:01:00:00:00:00:53:58:00:1c:00:00:00:08:00:01:00:74:00:00:00:0a:00:54:00:00:00:03

现在我需要在 python 3 中执行这段代码，所以我必须删除开头的第一个字节才能删除“c2”，一切都会好起来的，但是试图用太多的代码来做到这一点我在这个论坛上发现了这样的：

string_msg = string_msg[1:]
string_msg.replace('\xC2', '')
string_msg = ''.join([i if ord(i) < 130 else '' for i in string_msg])

结果总是一样的：

01:00:00:00:00:53:58:00:1c:00:00:00:08:00:01:00:74:00:00:00:0a:00:54:00:00:00:03

同时删除第二个字节80，所以我的问题是：我怎样才能只删除第一个字节c2，为什么当我尝试这样做时第二个字节也会被删除？

Answer 1

问题在于 string_msg 在 Python 2 上是一个字节串，尽管看起来相同，但它在 Python 3 上却是一个 Unicode 字符串——一个字节 b'\x80' 与 Unicode 代码点 u'\x80' 是一个完全不同的概念：相同的 Unicode 代码点可以用不同编码的不同字节表示，反之亦然，相同的字节可以用不同的编码表示不同的字符。

如果string_msg 是一个字节序列，则使用b'' 文字：

data = b'\x80\x01\x00\x00\x00\x00\x53\x58\x00\x1C\x00\x00\x00\x08'
print(":".join(map("{:02x}".format, bytearray(data))))
# -> 80:01:00:00:00:00:53:58:00:1c:00:00:00:08

Answer 2

您可以通过编码为 ISO 8859-1 将前 256 个字符中的文本转换为其原始字节值。

3>> '\x80'.encode('latin-1')
b'\x80'