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"
?
编辑:
我认为当字符串有非ascii字符时,python3会将字节“\xc2”
附加到字符串中。 (正如@Ashraful Islam 所说)
那么在 python3 中如何避免这种情况呢?
最佳答案
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 运行此程序并使用 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
共 128 个字节。
对 Python 3 执行相同的操作:
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 |................|
总结一下:
- 从
0x80
到0xbf
的所有内容都预先添加了0xc2
。 - 从
0xc0
到0xff
的所有内容都将第 6 位设置为零,并在前面添加了0xc3
。
那么,这是怎么回事?
在 Python 2 中,字符串是 ASCII 并且不进行任何转换。告诉它 写入 0-127 ASCII 范围之外的内容,它会显示“okey-doke!”和 只是写入这些字节。简单。
在 Python 3 中,字符串是 Unicode。当非 ASCII 字符为 书面的,它们必须以某种方式编码。默认编码是 UTF-8。
那么,这些值是如何以 UTF-8 编码的?
从0x80
到0x7ff
的代码点编码如下:
110vvvvv 10vvvvvv
其中 11 个 v
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
这就是为什么您会在 87
之前获得 c2
。
如何在 Python 3 中避免这一切?使用 bytes
类型。
关于python - 为什么同样的字符串在python2和python3中print的输出不同?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61207044/