[英]<bytes> to escaped <str> Python 3
目前,我有Python 2.7代碼,可通過套接字連接接收<str>
對象。 在所有代碼中,我們都使用<str>
對象,比較等。為了轉換為Python 3 ,我發現套接字連接現在返回<bytes>
對象,這要求我們將所有文字更改為b'abc'
做字面比較,等等,這是一個大量的工作,雖然很明顯為什么這個變化是在Python 3搞得我很好奇,如果有任何簡單的解決方法。
假設我通過套接字連接收到<bytes> b'\\xf2a27'
。 有沒有簡單的方法可以將這些<bytes>
轉換為<str>
對象,而在Python 3.6中具有相同的轉義符 ? 我自己研究了一些解決方案,但無濟於事。
a = b'\xf2a27'.decode('utf-8', errors='backslashescape')
以上的產率'\\\\xf2a27'
與len(a) = 7
,而不是原來len(b'\\xf2a27') = 3
。 索引編制也是錯誤的,但這根本行不通,但似乎是正確的方法。
a = b'\xf2a27'.decode('latin1')
上面產生了'òa27'
,其中包含我要避免的Unicode字符。 盡管在這種情況下, len(a) = 5
和a[0] == '\\xf2'
有效,但我希望盡可能地保留表示形式中的信息。
也許我缺少一個更優雅的解決方案?
您確實必須考慮收到的數據代表什么,Python 3在該方向上很重要。 實際上代表字節集合的字節字符串和(抽象,Unicode)字符字符串之間存在重要區別。
如果每個數據都有不同的表示形式,則可能需要分別考慮它們。
讓我們把你的例子b'\\xf2a27'
這在其原始形式從套接字接收僅僅是一個4個字節的字符串: 0xf2
, 0x61
, 0x32
, 0x37
十六進制或242
, 97
, 50
, 55
十進制。
假設您實際上想要4個字節。 您可以將其保留為字節字符串,也可以將其轉換為字節list
或字節tuple
(如果這樣做更好):
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
假設這實際上代表一個32位整數,在這種情況下,您應該將其轉換為Python int
。 選擇是以小端字節序還是大端字節序編碼,並確保選擇正確的帶符號和無符號。
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
假設它實際上是文本。 考慮一下它的編碼方式。在您的情況下,它不能為UTF-8,因為b'\\xf2'
將是無法正確解碼為UTF-8的字節字符串。 如果它是latin1 aka iso8859-1,而且您確定可以,那就很好。
raw_bytes = b'\\xf2a27' character_string = raw_bytes.decode('iso8859-1') if character_string == '\\xf2a27': pass
如果您選擇的編碼正確,則在字符串中包含'\\xf2'
或'ò'
字符也將是正確的。 它仍然是一個字符。 'ò'
, '\\xf2'
, '\ò'
和'\\U000000f2'
只是在(unicode)字符串文字中表示相同單個字符的4種不同方式。 此外,len將為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
如果您實際觀察到長度為5,則可能是在錯誤的位置觀察到的。 可能是在將字符串編碼為UTF-8或通過打印到UTF-8終端隱式編碼為UTF-8之后。
請注意,更改默認I / O編碼時,輸出到外殼的字節數有所不同:
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
理想情況下,應該在將原始字節轉換為它們代表的正確數據類型之后執行比較。 這使您的代碼更具可讀性,更易於維護。
根據一般經驗,應該始終在收到原始字節后將其轉換為實際的(抽象的)數據類型。 然后將其保留在該抽象數據類型中,以便進行盡可能長的處理。 如有必要,將其轉換回輸出的一些原始數據。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.