Python中的字节操作答案

【问题标题】：Bytes operations in PythonPython中的字节操作
【发布时间】：2020-03-21 22:34:15
【问题描述】：

我正在做一个项目，在这个项目中我必须使用 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，为什么如果我使用 bytes() 或 decode ，我会在值前面得到一个额外的 "\xc2" 。这是什么意思？这应该出现吗？如果是这样，如果不使用第一种方法，我怎样才能摆脱它？

【问题讨论】：

b 不是字符。它是字节文字的一部分。
this 问题可能重复。欢迎来到 StackOverflow。一些 unicode 代码点长两个字节，如果使用 utf-8 编码，则打印两个字节。

标签： python python-3.x byte decode encode

【解决方案1】：

因为bytes 对象和str 对象是两个不同的东西。前者代表一个bytes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 不编码任何东西，特别是 unicode。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 是两字节编码：

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

在latin-1编码中，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。

【讨论】：

非常感谢您的快速回答，还有一件事：就python而言，这两个变量之间应该没有区别？ t1 = b"\xAC\x42\x4C\x45\x54\x43\x48\x49\x4E\x47\x4C\x45\x59" 和 t2 = "\xAC\x42\ x4C\x45\x54\x43\x48\x49\x4E\x47\x4C\x45\x59".encode("latin")正确吗？
@MarcoBorinato 没有，但如果你的意思是一般来说，我不能说 100%，但我相信，基本上，Unicode 的前 256 个代码点在设计上等同于拉丁语.为什么要问？
因为它们的行为方式不同，或者至少不是我所期望的方式。我已经发布了另一个问题，因为主题略有不同，如果您也能帮助解决这个问题，我将不胜感激。链接如下：stackoverflow.com/questions/60811088/…

【解决方案2】：

在字符串文字中，\xhh（h 是十六进制数字）选择对应的 unicode 字符 U+0000 到 U+00FF，其中 U+00AC 是 ¬“非符号”。编码为 utf-8 时，所有高于 0x7F 的代码点占用两个或更多字节。 \xc2\xac是U+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'

【讨论】：