在python中将string转换为Bytearray

conversion of string to Bytearray in python

提问人：Nene Tetteh Wayo Akwetteh 提问时间：10/8/2023 最后编辑：VolkNene Tetteh Wayo Akwetteh 更新时间：10/10/2023 访问量：54

问：

我有一个这种格式的字符串变量： var = “x14\x12\x13\x11\x69”

我的挑战是将这个字符串转换为字节数组，以精确地得到： 作者Tearray（b'\x14\x12\x13\x11\x69'）

expected_bytearry = bytearray(var, 'utf-8')

if i print(expected_bytearry), I get this result

bytearray(b'\\x14\\x12\\x13\\x11\\x69'). Which contains double backslash.

Another approach which I tried was expected_bytearryy = bytearray.fromhex(var.encode().hex())

with that, **I get bytearray(b'\x14\x12\x13\x11i')** **instead of bytearray(b'\\x14\\x12\\x13\\x11\\x69')**

I also tried:

b = bytearray(ord(c) for c in var)
a = bytearray(var, 'utf-8')

Both of them produced the same result of double backslash.

将不胜感激。

谢谢

Python 数组 UTF-8 字节 字符串转换

评论

答：

0赞 chrslg 10/8/2023 #1

这就是编码。所以你需要用这种编码。unicode_escapedecode

但不幸的是，你处于最糟糕的情况：解码是在字节字符串上完成的，而你有一个字符串。然后产生一根绳子，你想要一个 bytearray。

因此，这个相当复杂的解决方案

var.encode('ascii').decode('unicode_escape').encode('latin1')

在这种事情上，让人们的思想陷入循环的原因是，python在与人类编码人员交互时也会使用。这是在读取字符串或字节时（在代码中）。以及将字节打印到控制台时。unicode-escape

重要的是要理解，在字节中，没有反斜杠，没有.只有 2 个字节。20 和 19（十六进制 14 和 13）。 同样在字符串中。只是一个字符串，由当前编码中 20 和 19 的 2 个代码表示的任何内容组成（因为当前编码很可能是 unicode，因此它们只是 unicode 的“ascii”部分，在单个字节上。因此，ascii 代码 20 和 19 的不可打印字符）b'\x14\x13\x'\x14\x13'

但是在你的字符串中，你确实有文字反斜杠和 x。就像在字符串中一样，它是由python打印的（使用转义编码）。但是您只有 2 个反斜杠，而不是 4 个（只有在使用转义编码打印时，它们才显示加倍）。r'\x14\x13''\\x14\\x13'

因此，我在这里所做的是从字符串开始（此处以原始字符串形式显示），这是一个由 8 个文字字符反斜杠 x、1、4、反斜杠、x、1、3 组成的字符串。var=r'\x14\x13'

我用 ascii 对这些字符进行编码（实际上没关系：这些都是在任何编码中都具有单字节编码的字符。任何不到 40 年左右的机器都不会有默认编码，其中编码与 ascii 中的编码不同。这些只是数字、字母和反斜杠。但严格来说，那是 ascii）。所以我得到了一个 8 字节的字节（因为这 8 个字符中的每一个都有 1 字节的 ascii 编码）。 这恰好是 92、120、49、52、92、120、49、51。（在 Python 中打印为 .但同样，忽略这一点，这只是令人困惑，因为 python 恰好已经在其 REPL 中完成了我们正在做的部分工作。请记住，字符串是字符序列，字节序列是介于 0 和 255 之间的数字序列。与C语言相反，这根本不是一回事。字符不是数字）b'\\x14\\x13'

现在，我可以使用编码将这 8 个字节解码为字符。在 unicode 转义中，字节 92（ascii 表示反斜杠）120（ascii 表示 x）后跟 2、4 或 6 个十六进制数字（ascii），表示其 unicode 由这 2、4 或 6 位数字组成的字符。unicode-escape

所以，现在我们有一个只有 2 个字符的字节字符串。unicode 为 20 的那个和 unicode 为 19 的那个。

如果我们想要这些 unicode，那么，我们需要将它们编码回来。这里有一个潜在的问题案例：对于超过 128 的代码。它们以 utf-8 格式以两个字节编码。但是由于 unicode 的 256 个第一个代码与 latin1 中的代码相同，因此将它们编码回 latin1 将创建一个字节整值，即 unicode。例如，如果你的字符串是 ，那么会得到两个 char ，其 unicode 是 0xc3 和 0xa9（不要与 unicode 为 0xe9 的单个 char 混淆，即在 utf-8 中由 2 个字节 0xc3 0xa9 表示）。您不想用 utf-8 对它们进行编码，因为每个字节都是两个字节（0xc3 0x83、0xc2、0xa9）。而且你不能用 ascii 编码它们，因为它们使用 8 位。但是将它们编码为将给出 2 个字节，其值是 unicode 0xc3 和 0xa9。r'\xc3\xa9'r'\xc3\xa9'.encode('ascii').decode('unicode-escape')'é''é'latin1

因此，r'\x14\x15'.encode('ascii').decode('unicode-escape').encode('latin1')

评论

0赞 Nene Tetteh Wayo Akwetteh 10/8/2023
谢谢@chrslg。但是您提供的解决方案导致 b'\x14\x12\x13\x11i' 而不是 b'\x14\x12\x13\x11\x69'。知道为什么吗？
0赞 chrslg 10/8/2023
这些是一回事。两者都表示由 5 个字节 20、18、19、17 和 105 组成的数组。这就是 python 决定在控制台中打印此数组的方式。就好像你在问为什么，当将十进制数字 0123 转换为数字 （） python 打印而不是 .那只是打印。数字就是数字。这不是打印方式，而是打印机（这里是python REPL）的选择。字节串是字节串，而不是它的打印方式。如何打印 5 字节 20、18、19、17 和 105 的选择只是打印机的选择。0*1000+1*100+2*10*3*11230123
0赞 Nene Tetteh Wayo Akwetteh 10/8/2023
多谢。感谢您的详细澄清@chrslg

上一个：如何在 pdf 中使用 UTF-8 编码的字符向量？

下一个：为什么 Email：：Stuffer base64-encode 与 MIME：：Base64 不同，utf8 如何适应？