Question

>>> u'\u6162'
u'\u6162'

对于上述unicode字符（我认为0x62应该在其低位。如果我错了，请纠正我），我想获取其原始字节的列表（ASCII 0x62对应于b）。有人可以告诉我如何在python2和3中做到这一点（如果代码不同）？谢谢。

['b', 'a']

Answer 1

使用UTF-32将更安全，因为它以相同的字节数覆盖了整个BMP平面。这样一来，您将额外获得2个容易删除的\x00字节。

>>> u'\u6162'.encode('utf-32le')
b'ba\x00\x00'

如果您知道不会在UTF-16上使用超过2个字节的奇怪字符，也可以使用它：

>>> u'\u6162'.encode('utf-16le')
b'ba'

请注意，我使用的是le编码器变体，不添加BOM并具有所需的字节顺序。如果您更愿意使用ab，请使用be变体（例如'utf-16be'）。

该代码在Python 2和3上均可工作，但请注意Python 3上的字节字符串的行为有所不同。