Python 2.7 如何获取随机unicode字符串
我正在测试一个基于REST的服务,其中一个输入是文本字符串。所以我从python代码中随机发送unicode字符串。到目前为止,我发送的unicode字符串在ascii范围内,所以一切正常 现在,我试图发送超出ascii范围的字符,并收到一个编码错误。这是我的密码。我已经经历了这一切,但仍然无法控制自己Python 2.7 如何获取随机unicode字符串,python-2.7,encoding,utf-8,python-unicode,Python 2.7,Encoding,Utf 8,Python Unicode,我正在测试一个基于REST的服务,其中一个输入是文本字符串。所以我从python代码中随机发送unicode字符串。到目前为止,我发送的unicode字符串在ascii范围内,所以一切正常 现在,我试图发送超出ascii范围的字符,并收到一个编码错误。这是我的密码。我已经经历了这一切,但仍然无法控制自己 # coding=utf-8 import os, random, string import json junk_len = 512 junk = (("%%0%dX" % junk_l
# coding=utf-8
import os, random, string
import json
junk_len = 512
junk = (("%%0%dX" % junk_len) % random.getrandbits(junk_len * 8))
for i in xrange(1,5):
if(len(junk) % 8 == 0):
print u'decoding to hex'
message = junk.decode("hex")
print 'Hex chars %s' %message
print u' '.join(message.encode("utf-8").strip())
第一行打印时没有任何问题,但如果不对其进行编码,我无法将其发送到REST服务。因此,第二行我试图将其编码为utf-8。这是失败的代码行,并显示以下消息
UnicodeDecodeError:“ascii”编解码器无法解码位置中的字节0x81
7:序号不在范围内(128)
UTF-8只允许某些位模式。您似乎在代码中使用UTF-8,因此需要符合允许的UTF-8模式
1 byte: 0b0xxxxxxx
2 byte: 0b110xxxxx 0b10xxxxxx
3 byte: 0b1110xxxx 0b10xxxxxx 0b10xxxxxx
4 byte: 0b11110xxx 0b10xxxxxx 0b10xxxxxx 0b10xxxxxx
在多字节模式中,第一个字节表示整个模式中的字节数,前导1后跟0和数据位x
。非前导字节都遵循相同的模式:0b10xxxxxx,带有两个前导指示符位10
和六个数据位xxxxxx
通常,随机生成的字节不会遵循这些模式。您只能随机生成数据位
x
。正如其他人所说,由于字节序列必须正确,所以很难生成有效的随机UTF-8字节
由于Unicode将所有字符映射到0x0000和0x10FFFF之间的数字,因此只需随机生成该范围内的数字即可获得有效的Unicode地址。将随机数传递给unichar
(或Py3上的char
),将在随机码点返回字符的Unicode字符串
然后,您需要做的就是让Python编码到UTF-8以创建有效的UTF-8序列
因为,在整个Unicode范围内存在许多空白和不可打印字符(由于字体限制),使用范围0000-D7FF,并在中返回字符,这将更有可能由您的系统打印。当编码为UTF-8时,每个字符最多可产生3字节序列
普通随机
import random
def random_unicode(length):
# Create a list of unicode characters within the range 0000-D7FF
random_unicodes = [unichr(random.randrange(0xD7FF)) for _ in xrange(0, length)]
return u"".join(random_unicodes)
my_random_unicode_str = random_unicode(length=512)
my_random_utf_8_str = my_random_unicode_str.encode('utf-8')
import random
def unique_random_unicode(length):
# create a list of unique randoms.
random_ints = random.sample(xrange(0xD7FF), length)
## convert ints into Unicode characters
# for each random int, generate a list of Unicode characters
random_unicodes = [unichr(x) for x in random_ints]
# join the list
return u"".join(random_unicodes)
my_random_unicode_str = unique_random_unicode(length=512)
my_random_utf_8_str = my_random_unicode_str.encode('utf-8')
唯一随机数
import random
def random_unicode(length):
# Create a list of unicode characters within the range 0000-D7FF
random_unicodes = [unichr(random.randrange(0xD7FF)) for _ in xrange(0, length)]
return u"".join(random_unicodes)
my_random_unicode_str = random_unicode(length=512)
my_random_utf_8_str = my_random_unicode_str.encode('utf-8')
import random
def unique_random_unicode(length):
# create a list of unique randoms.
random_ints = random.sample(xrange(0xD7FF), length)
## convert ints into Unicode characters
# for each random int, generate a list of Unicode characters
random_unicodes = [unichr(x) for x in random_ints]
# join the list
return u"".join(random_unicodes)
my_random_unicode_str = unique_random_unicode(length=512)
my_random_utf_8_str = my_random_unicode_str.encode('utf-8')
您能解释一下这是如何解释@rossum给出的4种有效unicode模式的吗?我会得到任何可能的utf-8字符串吗?这个解释听起来很有说服力,但我不知道sample/xrange如何只生成/任何有效的unicode字符。它不能解释4字节UTF-8,但这不是OP想要的。请参阅有关其工作原理的更新说明