为什么Python中的bytearray函数将一个字节转换为两个字节？

Question

我正在尝试用Python创建一个数据编码器。我使用自己独特的底层对称算法将一个8位字节编码为另一个8位字节，然后使用相同的算法对其进行解码

我正在使用Python的bytearray函数将字符串转换为字节。但是我遇到了这个问题：十六进制xAB可以用二进制表示为10101011。然而，当我在字符串表示法（“\xAB”）上使用字节数组时，我得到：

>>> byte = bytearray("\xAB", "utf-8")
>>> print(byte)
bytearray(b'\xc2\xab')

很明显，字符串是在\xAB的单个字节中表示的，但是为什么另一个字节\xC2被放在字节数组的前面呢？我使用UTF-8对数据进行编码，因为这是Python的默认值，但是我应该使用不同的编码吗？如何使bytearray只包含表示xAB所需的8位字节

Answer 1

错误字节似乎来自字符串中的转义字符。从字符串到字节编码时，我建议使用python的新符号：

>> byte = bytearray(b"xAB")
>> print(byte)
bytearray(b'xAB')

---

同时，为了调试代码，考虑反转编码以查看Python所看到的（显然不是正确的值）

>>> byte = bytearray("\xAB", "utf-8")
>>> byte.decode()
'«'

使用上面提供的更改，将返回正确的值：

>>> byte = bytearray(b'xAB')
>>> byte.decode()
'xAB'

Answer 2

"\xAB"是由单个Unicode字符U+00AB组成的字符串。然后使用UTF-8编码将其转换为字节数组。但在UTF-8中，字符U+00AB被编码为两个字节-C2，AB。在这种情况下，第二个字节恰好与输入字节相同是一种巧合；情况并非总是如此

如果要处理字节数组，最好不要使用字符串，因为字符串总是会带来编码方面的麻烦