为什么Python中的bytearray函数将一个字节变成两个字节？

Question

我正在尝试在 Python 中创建一个数据编码器。 我使用自己独特的底层对称算法将单个 8 位字节编码为另一个 8 位字节，然后使用相同的算法对其进行解码。

我正在使用 Python 的 bytearray 函数将字符串转换为字节。 但是我遇到了这个问题：十六进制 xAB 可以用二进制表示为1010 1011 。 然而，当我在字符串表示形式("\\xAB")上使用字节数组时，我得到：

>>> byte = bytearray("\xAB", "utf-8")
>>> print(byte)
bytearray(b'\xc2\xab')

显然，字符串以\\xAB的单个字节表示，但为什么另一个字节\\xC2被添加到字节数组中？ 我使用 UTF-8 对数据进行编码，因为这是 Python 的默认设置，但我应该使用不同的编码吗？ 如何让 bytearray 只包含表示 xAB 所需的 8 位字节？

Answer 1

"\\xAB"是由单个 Unicode 字符 U+00AB 组成的字符串。 然后使用 UTF-8 编码将其转换为字节数组。 但在 UTF-8 中，字符 U+00AB 被编码为两个字节——C2、AB。 在这种情况下，第二个字节恰好与输入字节相同是巧合； 情况并非总是如此。

如果您想处理字节数组，最好将字符串排除在外，因为字符串总是会带来编码问题。

Answer 2

错误的字节似乎来自字符串中的转义字符。 当从字符串编码到字节时，我建议使用 python 的新符号：

>> byte = bytearray(b"xAB")
>> print(byte)
bytearray(b'xAB')

---

另外，要调试您的代码，请考虑反转编码以查看 python 看到的内容：（显然不是正确的值）

>>> byte = bytearray("\xAB", "utf-8")
>>> byte.decode()
'«'

使用上面提供的更改，返回正确的值：

>>> byte = bytearray(b'xAB')
>>> byte.decode()
'xAB'