python - 删除错误字符 "\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，以便删除“c2”，一切都会好起来的，但尝试用太多代码来做到这一点我在这个论坛中发现例如:

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

结果总是相同的:

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

还删除第二个字节 80，所以我的问题是:如何仅删除第一个字节 c2 以及为什么当我尝试这样做时，第二个字节是也被删除了？

Answer 1

问题是 string_msg 在 Python 2 上是一个字节串，尽管看起来相同，但在 Python 3 上它是一个 Unicode 字符串——一个字节 b'\x80'与 Unicode 代码点 u'\x80' 是完全不同的概念:相同的 Unicode 代码点可以使用不同编码中的不同字节表示，反之亦然，相同字节可以表示不同编码中的不同字符。

如果 string_msg 是字节序列，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