<bytes> 逃脫 <str> Python 3

Question

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？

Answer 1

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。

1. 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 

2. 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 

3. 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。