Python中的字节操作

我正在从事一个项目，在这个项目中，我必须使用python执行一些字节操作，在继续之前，我想了解一些基本原理

t1 = b"\xAC\x42\x4C\x45\x54\x43\x48\x49\x4E\x47\x4C\x45\x59"
t2 = "\xAC\x42\x4C\x45\x54\x43\x48\x49\x4E\x47\x4C\x45\x59"
print("Adding b character before: ",t1)
print("Using bytes(str): ",bytes(t2,"utf-8"))
print("Using str.encode: ",t2.encode())

特别是，我无法理解为什么在运行上述代码时控制台会打印此内容：

C:\Users\Marco\PycharmProjects\codeTest\venv\Scripts\python.exe C:/Users/Marco/PycharmProjects/codeTest/msgPack/temp.py
Adding b character before:  b'\xacBLETCHINGLEY'
Using bytes(str):  b'\xc2\xacBLETCHINGLEY'
Using str.encode:  b'\xc2\xacBLETCHINGLEY'

---

我想理解的是，如果我使用bytes（）或decode，为什么会在值前面有一个额外的“\xc2”。这是什么意思？这个应该出现吗？如果是这样的话，我如何在不使用第一种方法的情况下摆脱它呢？

因为

字节

对象和

str

对象是两种不同的东西。前者表示字节序列，后者表示unicode码点序列。字节172和unicode代码点172之间存在巨大差异

特别是，字节172没有用unicode编码任何特定内容。另一方面，unicode代码点172表示以下字符：

>>> c = chr(172)
>>> print(c)
¬

当然，它们是实际的原始字节，这取决于编码。使用utf-8是一种双字节编码：

>>> c.encode()
b'\xc2\xac'

在拉丁-1编码中，它是一个1字节：

>>> c.encode('latin')
b'\xac'

---

如果需要原始字节，最精确/简单的方法是使用字节文字。

在字符串文字中，

\xhh

（h为十六进制数字）选择相应的unicode字符

U+0000

到

U+00FF

，U+00AC为“非符号”。当编码为utf-8时，0x7F以上的所有代码点占用两个或更多字节

\xc2\xac

是

U+00AC

的utf-8编码

>>> "\u00AC" == "\xAC"
True
>>> "\u00AC" == "¬"
True
>>> "\xAC" == "¬"
True
>>> "\u00AC".encode('utf-8')
b'\xc2\xac'
>>> "¬".encode("utf-8")
b'\xc2\xac'

---

b

不是字符。它是bytes-literal的一部分。问题可能重复。欢迎来到StackOverflow。一些unicode代码点有两个字节长，如果使用

utf-8

编码，则会打印两个字节。非常感谢您的快速回答，还有一件事：就python而言，这两个变量之间应该没有区别吗？t1=b“\xAC\x42\x4C\x45\x54\x43\x48\x49\x4E\x47\x4C\x45\x59”和t2=“\xAC\x42\x4C\x45\x54\x43\x48\x49\x4E\x47\x4C\x45\x59”。编码（“拉丁语”）正确吗？@Marcoborianto没有，但如果你的意思是一般来说，我不能说100%，但我相信，从本质上讲，Unicode的前256个代码点在设计上等同于拉丁语。你为什么这么问？因为他们的行为方式不同，或者至少不像我想象的那样。我已经发布了另一个问题，因为主题略有不同，如果你也能帮我解决这个问题，我将非常感谢。链接如下：