為什么Python中的bytearray函數將一個字節變成兩個字節？

Question

我正在嘗試在 Python 中創建一個數據編碼器。 我使用自己獨特的底層對稱算法將單個 8 位字節編碼為另一個 8 位字節，然后使用相同的算法對其進行解碼。

我正在使用 Python 的 bytearray 函數將字符串轉換為字節。 但是我遇到了這個問題：十六進制 xAB 可以用二進制表示為1010 1011 。 然而，當我在字符串表示形式("\\xAB")上使用字節數組時，我得到：

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

顯然，字符串以\\xAB的單個字節表示，但為什么另一個字節\\xC2被添加到字節數組中？ 我使用 UTF-8 對數據進行編碼，因為這是 Python 的默認設置，但我應該使用不同的編碼嗎？ 如何讓 bytearray 只包含表示 xAB 所需的 8 位字節？

Answer 1

"\\xAB"是由單個 Unicode 字符 U+00AB 組成的字符串。 然后使用 UTF-8 編碼將其轉換為字節數組。 但在 UTF-8 中，字符 U+00AB 被編碼為兩個字節——C2、AB。 在這種情況下，第二個字節恰好與輸入字節相同是巧合； 情況並非總是如此。

如果您想處理字節數組，最好將字符串排除在外，因為字符串總是會帶來編碼問題。

Answer 2

錯誤的字節似乎來自字符串中的轉義字符。 當從字符串編碼到字節時，我建議使用 python 的新符號：

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

---

另外，要調試您的代碼，請考慮反轉編碼以查看 python 看到的內容：（顯然不是正確的值）

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

使用上面提供的更改，返回正確的值：

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