Question

我有以下str：
"\xd0\xa0\xd0\xb0\xd1\x81\xd1\x88\xd0\xb8\xd1\x84\xd1\x80\xd0\xbe\xd0\xb2\xd0\xba\xd0\xb0_RootKit.com_63k.txt"

这来自文件名：Расшифровка_RootKit.com_63k.txt

我的问题是无法将第一个str还原为第二个。我已经尝试了一些方法，例如使用en/decode()，bytes()， etc ，但是我没有进行管理。

我注意到的一件事是b''和bytes（）具有不同的输出：

path = "\xd0\xa0\xd0\xb0\xd1\x81\xd1\x88\xd0\xb8\xd1\x84\xd1\x80\xd0\xbe\xd0\xb2\xd0\xba\xd0\xb0_RootKit.com_63k.txt"
bpath = bytes(path, "UTF-8")
print(bpath.decode("UTF-8"))
print(b"\xd0\xa0\xd0\xb0\xd1\x81\xd1\x88\xd0\xb8\xd1\x84\xd1\x80\xd0\xbe\xd0\xb2\xd0\xba\xd0\xb0_RootKit.com_63k.txt".decode('utf8'))

结果：

Ð Ð°ÑÑÐ¸Ñ
         ÑÐ¾Ð²ÐºÐ°_RootKit.com_63k.txt
Расшифровка_RootKit.com_63k.txt

所以我想知道b''和bytes()有什么区别；也许它将帮助我解决我的问题！

Answer 1

b''是一个前缀，它导致以下字符串被解释为bytes型对象。 bytes函数接受一个字符串并返回一个bytes对象。

print(b"\xd0\xa0\xd0\xb0\xd1\x81\xd1\x88\xd0\xb8\xd1\x84\xd1\x80\xd0\xbe\xd0\xb2\xd0\xba\xd0\xb0_RootKit.com_63k.txt".decode

这有效，因为您正在解码字节对象。

path = "\xd0\xa0\xd0\xb0\xd1\x81\xd1\x88\xd0\xb8\xd1\x84\xd1\x80\xd0\xbe\xd0\xb2\xd0\xba\xd0\xb0_RootKit.com_63k.txt"
bpath = bytes(path, "UTF-8")
print(bpath.decode("UTF-8"))

这无法按预期工作，因为您将path视为字符串，然后将其转换为字节对象，然后尝试对输出结果进行解码。

Answer 2

您可能想将解决方案与latin1一起使用，请首先滚动到该答案。如果您不小心复制了字节内容并粘贴为字符串，则此答案有效。

如果要将它们转换回字节，请使用以下代码：

In [22]: path = "\xd0\xa0\xd0\xb0\xd1\x81\xd1\x88\xd0\xb8\xd1\x84\xd1\x80\xd0\xbe\xd0\xb2\xd0\xba\xd0\xb0_RootKit.com_63k.txt"

In [23]: bytes(map(ord, path)).decode('utf-8')
Out[23]: 'Расшифровка_RootKit.com_63k.txt'

说明非常简单，让我们使用字符串中的第一个字符：

In [40]: '\xd0'
Out[40]: 'Ð'

In [41]: b'\xd0'
Out[41]: b'\xd0'

如您所见，字符串将\xd0转换为数字为0xd0的Unicode字符，而字节只是将其解释为单个字节。

UTF-8对U+0080和U+07FF之间的所有字符使用以下掩码：第一个字节为110xxxxx，第二个字节为10xxxxxx。这正是将字符串直接转换为字节时得到的：

In [43]: [bin(x) for x in '\xd0'.encode('utf-8')]
Out[43]: ['0b11000011', '0b10010000']

实际的符号代码是00011 + 010000（串联，而不是加法），即0xd0：

In [44]: hex(int('00011010000', 2))
Out[44]: '0xd0'

要从字符中获取此数字，我们可以使用ord：

In [45]: hex(ord('\xd0'))
Out[45]: '0xd0'

然后将其应用于整个字符串并将其转换回字节：

In [46]: bytes(map(ord, path)).decode('utf-8')
Out[46]: 'Расшифровка_RootKit.com_63k.txt'

请注意，如果由于某些原因您的字符串字符不适合字节，上述代码将引发错误：

In [47]: bytes([ord(chr(256))])
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-49-5555e18dbece> in <module>
----> 1 bytes([ord(chr(256))])

ValueError: bytes must be in range(0, 256)

Answer 3

要转换您的字符串，只需使用在字节和字符之间具有1到1映射的“ latin1”将其编码为字节，然后使用“ utf8”进行解码：

s = "\xd0\xa0\xd0\xb0\xd1\x81\xd1\x88\xd0\xb8\xd1\x84\xd1\x80\xd0\xbe\xd0\xb2\xd0\xba\xd0\xb0_RootKit.com_63k.txt"

s.encode('latin1').decode('utf8')

# 'Расшифровка_RootKit.com_63k.txt'

Answer 4

path变量是一个字符串（不是字节）。使用方法bytes()时，您会将其解码为字节，该字节将返回b'\xc3\x90\xc2\xa0\xc3\x90\xc2\xb0\xc3\x91\xc2\x81\xc3\x91\xc2\x88\xc3\x90\xc2\xb8\xc3\x91\xc2\x84\xc3\x91\xc2\x80\xc3\x90\xc2\xbe\xc3\x90\xc2\xb2\xc3\x90\xc2\xba\xc3\x90\xc2\xb0_RootKit.com_63k.txt'

但是当您写b"\xd0\xa0\xd0\xb0\xd1\x81\xd1\x88\xd0\xb8\xd1\x84\xd1\x80\xd0\xbe\xd0\xb2\xd0\xba\xd0\xb0_RootKit.com_63k.txt"时，您指的是Расшифровка_RootKit.com_63k.txt的Bytes值

bytes（）和b''之间的区别

4 个答案: