python - chr() 和 bytes.decode 之间的区别

Question

谁能解释一下为什么我可以通过

将bytes对象转换成str

>>> bytes_ = b';\xf7\xb8W\xef\x0f\xf4V'
>>> list(bytes_)
[59, 247, 184, 87, 239, 15, 244, 86]
>>> "".join([chr(x) for x in bytes_])
';÷¸Wï\x0fôV'

但是如果我调用

>>> bytes_.decode()
Traceback (most recent call last):
  File "<pyshell#17>", line 1, in <module>
    bytes_.decode()
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf7 in position 1: invalid start byte

我得到一个错误。

Answer 1

.decode() 使用的默认编码是 UTF-8。但是，bytes_ 中至少有一些字节没有正确编码 UTF-8 字符。另一方面，chr(n) 通过序号而不是编码返回第 n 个 Unicode 字符。如果你想让 .decode() 工作，你必须告诉它使用哪种编码。例如，utf-16 似乎可以工作:

bytes_.decode('utf-16')
#'\uf73b垸\u0fef围'

CP1252 也可以工作，但(预期)会给出不同的结果:

bytes_.decode('cp1252')
#';÷¸Wï\x0fôV'