在 Python3 中将原始字节写入文件会导致意外输出

Question

所以，我有这段代码：

f = open("crash.txt", "w")
junk = ("\xCC" * 1028)
f.write(junk)
f.close()

当我在 Windows(3.5.1) 上运行它时，我得到一个文件，其中包含重复的“CC”作为十六进制字符。这和预期的一样。

但是，在 Linux(Python 3.4.2) 上运行它时，我得到重复的“c38c”作为十六进制字符。

我不明白 Linux 上的输出。为什么会发生这种情况，我该如何解决。

Answer 1

您没有写入原始字节。默认情况下，Python 3 使用 Unicode 字符串，并且必须对这些字符串进行编码才能将它们写入文件。同样默认情况下，open() 使用文本模式，用于对文本进行编码的编码是 locale.getpreferredencoding()。在美国 Windows 上是 cp1252，但在 Linux 上通常是 utf8。

b'\xc3\x8c' 是在utf8 中编码的'\xcc'。

b'\xcc' 是在cp1252 中编码的'\xcc'。

以二进制模式打开文件并写入字节字符串而不是 Unicode 来写入“原始”字节。

with open("crash.txt", "wb") as f:
    junk = b"\xCC" * 1028
    f.write(junk)