在Python中解码后，恢复包含无效字符（UTF8）的字节字符串

Question

我记录了很多从字节字符串解码为unicode（UTF-8）的文本

例如：

我从上游收到了大量字节字符串，如：

b_st = b'\xff\xd8\xff\xe0\x00\x10JFIF\x00\x01\x01\x00\x00\x01\x00\x01\x00\x00\xff\xfe\x00'

我在解码后把它们保存在我的电脑里

b_un = b_st.decode("utf-8", "replace")

正如您所看到的，初始字节字符串具有无效的 要解码为UTF-8的字符（例如\xff），以便替换这些字符

在那之后，我尝试从unicode文本中恢复字节字符串，但它将另一个字节字符串返回给我，与原始字符串不一样。

是否可以恢复原始字节字符串

顺便说一句，我并没有故意解码这些文本，我并没有阅读一个类的默认行为，该类会在必要时自动将任何文本转换为unicode

Answer 1

replace是一个有损的codec error handler，用\ufffd（unicode替换字符）替换任何不可解码的字节

因此，无法恢复原始图像

如果您收到一个字节字符串，您可以使用二进制io对象将其写入文件：

with open(filename, 'wb') as f:
    f.write(byte_string)