如何使用 utf-8 将字符串编码为字节数组？

Question

我想使用 utf-8 在字节数组中编码一个字符串。 例如，对于字符串"CD"我想获得b"\x43\x44" 。 我已经尝试过了，但它不起作用：

def toTab(strMessage):
    return strMessage.encode('utf-8')

我得到b'CD' ，这不是我想要的结果。

Answer 1

从 Python 2 到 3 的主要变化之一是 str 数据类型。 更多关于这里。 基本上，它们总是尽最大努力使人类可读，当试图将十六进制值保存在字符串中时，这可能会导致一些有趣和令人沮丧的事情。 字符串前面的 b 告诉 python 它已编码，因此您的 function 实际上正在工作，但它显示为人类可读。 要显示这一点，只需尝试：

b'CD'.hex()

或者，更具体地说：

'CD'.encode().hex()

这使：

'4344'

编辑：澄清一下， python str将始终将 ASCII 表示为 ASCII。 这可以通过在控制台中输入以下内容来显示：

"résumé".encode("utf-8")

这将产生：

b'r\xc3\xa9sum\xc3\xa9'

请注意，所有 ASCII 都是这样呈现的，而非 ASCI 由字节表示。 还要注意一些关键，UTF-8 字符可以用 1 到 4 个字节（其中一个字节是 8 位）的任何形式表示。 另一方面，整个 ASCII 集只能用 7 位表示，所有 ASCII 字节都用零填充。

同样，您的 output 是b'\x43\x44' ，它只是在视觉上表示为b'CD' 。 如果您将其传递给 c 程序以利用缓冲区溢出，它会根据您的需要将字符串识别为b'\x43\x44' 。

要显示这一点，请尝试：

if b'\x43\x44' == b'CD':
    print(True, b'\x43\x44')
else:
    print(False)

将打印： True b'CD'

Answer 2

您可以通过手动组合和格式化 bytearray 的每个字节来获得所需的内容。

def toTab(strMessage):
    return 'b"{}"'.format(''.join(r'\x{:0x}'.format(b) for b in strMessage))

msg = b"\x43\x44"
print(toTab(msg))  # -> b"\x43\x44"