Question

在python2中：

$ python2 -c 'print "\x08\x04\x87\x18"' | hexdump -C
00000000  08 04 87 18 0a                                    |.....|
00000005

在python3中：

$ python3 -c 'print("\x08\x04\x87\x18")' | hexdump -C
00000000  08 04 c2 87 18 0a                                 |......|
00000006

为什么这里有字节"\xc2"？

修改：

我认为当字符串具有非ascii字符时，python3会将字节"\xc2"附加到字符串。（正如@Ashraful Islam所说）

那么如何在python3中避免这种情况呢？

Answer 1

考虑以下代码片段：

import sys
for i in range(128, 256):
    sys.stdout.write(chr(i))

使用Python 2运行此操作并使用hexdump -C查看结果：

00000000  80 81 82 83 84 85 86 87  88 89 8a 8b 8c 8d 8e 8f  |................|

等等。没有惊喜;从0x80到0xff的128个字节。

对Python 3做同样的事情：

00000000  c2 80 c2 81 c2 82 c2 83  c2 84 c2 85 c2 86 c2 87  |................|
...
00000070  c2 b8 c2 b9 c2 ba c2 bb  c2 bc c2 bd c2 be c2 bf  |................|
00000080  c3 80 c3 81 c3 82 c3 83  c3 84 c3 85 c3 86 c3 87  |................|
...
000000f0  c3 b8 c3 b9 c3 ba c3 bb  c3 bc c3 bd c3 be c3 bf  |................|

总结：

从0x80到0xbf的所有内容前置0xc2。
从0xc0到0xff的所有内容都将第6位设置为零并且前缀为0xc3。

那么，这里发生了什么？

在Python 2中，字符串是ASCII，不进行转换。告诉它写一些0-127 ASCII范围之外的东西，它说“okey-doke！”和只写那些字节。简单。

在Python 3中，字符串是 Unicode 。当非ASCII字符是写的，他们必须以某种方式编码。默认编码是 UTF-8。

那么，这些值如何用UTF-8编码？

从0x80到0x7ff的代码点编码如下：

110vvvvv 10vvvvvv

11 v个字符是代码点的位。

因此：

0x80                 hex
1000 0000            8-bit binary
000 1000 0000        11-bit binary
00010 000000         divide into vvvvv vvvvvv
11000010 10000000    resulting UTF-8 octets in binary
0xc2 0x80            resulting UTF-8 octets in hex

0xc0                 hex
1100 0000            8-bit binary
000 1100 0000        11-bit binary
00011 000000         divide into vvvvv vvvvvv
11000011 10000000    resulting UTF-8 octets in binary
0xc3 0x80            resulting UTF-8 octets in hex

这就是为什么你在c2之前获得87。

如何在Python 3中避免这一切？使用bytes类型。

Answer 2

Python 2的默认字符串类型是字节字符串。字节字符串写为"abc"，而Unicode字符串写为u"abc"。

Python 3的默认字符串类型是Unicode字符串。字节串写为b"abc"，而Unicode字符串写为"abc"（u"abc"仍然有效）。由于存在数百万个Unicode字符，因此将它们打印为字节需要编码（在您的情况下为UTF-8），这需要每个代码点多个字节。

首先在Python 3中使用字节字符串来获得相同的Python 2类型。然后，因为Python 3的print需要Unicode字符串，所以使用sys.stdout.buffer.write写入原始stdout接口，该接口需要字节字符串。

python3 -c 'import sys; sys.stdout.buffer.write(b"\x08\x04\x87\x18")'

请注意，如果写入文件，则存在类似问题。对于无编码转换，请以二进制模式'wb'打开文件并写入字节字符串。

为什么python2和python3中的print输出与同一个字符串不同？

2 个答案: