python - Python 中的字节操作

Question

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'

我想了解的是为什么，如果我使用 bytes() 或 decode，我会得到一个额外的 "\xc2"前面的值。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？

Answer 1

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。