[英]<bytes> to escaped <str> Python 3
目前,我有Python 2.7代码,可通过套接字连接接收<str>
对象。 在所有代码中,我们都使用<str>
对象,比较等。为了转换为Python 3 ,我发现套接字连接现在返回<bytes>
对象,这要求我们将所有文字更改为b'abc'
做字面比较,等等,这是一个大量的工作,虽然很明显为什么这个变化是在Python 3搞得我很好奇,如果有任何简单的解决方法。
假设我通过套接字连接收到<bytes> b'\\xf2a27'
。 有没有简单的方法可以将这些<bytes>
转换为<str>
对象,而在Python 3.6中具有相同的转义符 ? 我自己研究了一些解决方案,但无济于事。
a = b'\xf2a27'.decode('utf-8', errors='backslashescape')
以上的产率'\\\\xf2a27'
与len(a) = 7
,而不是原来len(b'\\xf2a27') = 3
。 索引编制也是错误的,但这根本行不通,但似乎是正确的方法。
a = b'\xf2a27'.decode('latin1')
上面产生了'òa27'
,其中包含我要避免的Unicode字符。 尽管在这种情况下, len(a) = 5
和a[0] == '\\xf2'
有效,但我希望尽可能地保留表示形式中的信息。
也许我缺少一个更优雅的解决方案?
您确实必须考虑收到的数据代表什么,Python 3在该方向上很重要。 实际上代表字节集合的字节字符串和(抽象,Unicode)字符字符串之间存在重要区别。
如果每个数据都有不同的表示形式,则可能需要分别考虑它们。
让我们把你的例子b'\\xf2a27'
这在其原始形式从套接字接收仅仅是一个4个字节的字符串: 0xf2
, 0x61
, 0x32
, 0x37
十六进制或242
, 97
, 50
, 55
十进制。
假设您实际上想要4个字节。 您可以将其保留为字节字符串,也可以将其转换为字节list
或字节tuple
(如果这样做更好):
raw_bytes = b'\\xf2a27' list_of_bytes = list(raw_bytes) tuple_of_bytes = tuple(raw_bytes) if raw_bytes == b'\\xf2a27': pass if list_of_bytes == [0xf2, 0x61, 0x32, 0x37]: pass if tuple_of_bytes == (0xf2, 0x61, 0x32, 0x37): pass
假设这实际上代表一个32位整数,在这种情况下,您应该将其转换为Python int
。 选择是以小端字节序还是大端字节序编码,并确保选择正确的带符号和无符号。
raw_bytes = b'\\xf2a27' signed_little_endian, = struct.unpack('<i', raw_bytes) signed_little_endian = int.from_bytes(raw_bytes, byteorder='little', signed=True) unsigned_little_endian, = struct.unpack('<I', raw_bytes) unsigned_little_endian = int.from_bytes(raw_bytes, byteorder='little', signed=False) signed_big_endian, = struct.unpack('>i', raw_bytes) signed_big_endian = int.from_bytes(raw_bytes, byteorder='big', signed=True) unsigned_big_endian, = struct.unpack('>I', raw_bytes) unsigned_big_endian = int.from_bytes(raw_bytes, byteorder='big', signed=False) if signed_litte_endian == 926048754: pass
假设它实际上是文本。 考虑一下它的编码方式。在您的情况下,它不能为UTF-8,因为b'\\xf2'
将是无法正确解码为UTF-8的字节字符串。 如果它是latin1 aka iso8859-1,而且您确定可以,那就很好。
raw_bytes = b'\\xf2a27' character_string = raw_bytes.decode('iso8859-1') if character_string == '\\xf2a27': pass
如果您选择的编码正确,则在字符串中包含'\\xf2'
或'ò'
字符也将是正确的。 它仍然是一个字符。 'ò'
, '\\xf2'
, '\ò'
和'\\U000000f2'
只是在(unicode)字符串文字中表示相同单个字符的4种不同方式。 此外,len将为4,而不是5。
print(ord(character_string[0])) # will be 242 print(hex(ord(character_string[0]))) # will be 0xf2 print(len(character_string)) # will be 4
如果您实际观察到长度为5,则可能是在错误的位置观察到的。 可能是在将字符串编码为UTF-8或通过打印到UTF-8终端隐式编码为UTF-8之后。
请注意,更改默认I / O编码时,输出到外壳的字节数有所不同:
PYTHONIOENCODING=UTF-8 python3 -c 'print(b"\\xf2a27".decode("latin1"), end="")' | wc -c # will output 5 PYTHONIOENCODING=latin1 python3 -c 'print(b"\\xf2a27".decode("latin1"), end="")' | wc -c # will output 4
理想情况下,应该在将原始字节转换为它们代表的正确数据类型之后执行比较。 这使您的代码更具可读性,更易于维护。
根据一般经验,应该始终在收到原始字节后将其转换为实际的(抽象的)数据类型。 然后将其保留在该抽象数据类型中,以便进行尽可能长的处理。 如有必要,将其转换回输出的一些原始数据。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.