在python 3中解码base64字符串（是否使用lxml）

Question

我知道这看起来很简单，我想问题是我对所有这些字节str unicode（和编码解码，坦率地说）还没有一个清晰的理解。

我一直在尝试让我的工作代码在Python 3上运行。我遇到的问题是当我用lxml解析一个XML并解码该XML中的base64字符串时。

代码现在按以下方式工作：

我使用XPath查询'.../binary/text()'检索二进制数据。这将生成一个包含lxml.etree._ElementUnicodeResult对象的单元素列表。然后，使用python 2，我能够：

decoded = source.decode('base64')

最后

output = numpy.frombuffer(decoded)

但是，在python 3上，我得到一条错误消息，说

AttributeError: 'lxml.etree._ElementUnicodeResult' object has no attribute 'decode'

这并不奇怪，因为lxml.etree._ElementUnicodeResult是str的一个子类。

另一种方法是使用

 binary = tree.xpath('//binary')[0]
 binary_string = binary.text

这基本上是一样的。那么我该怎么从base64解码呢？我已经看过base64模块，但是它接受一个bytes对象作为参数，我想不出将str表示为bytes的方法，因为如果我尝试构造一个bytes对象，Python将尝试对字符串进行编码，这是我不需要的。

进一步搜索，我发现了binascii模块（如果我没有弄错的话，它是从base64间接调用的），但是对我的字符串调用binascii.b2a_base64()会产生

TypeError: 'str' does not support the buffer interface

另外，我甚至在how to decode a hex string in Python 3上找到了一个答案，但是这是用一个专用的方法完成的，所以我看不出它有什么帮助。

有人能告诉我我缺了什么吗？恐怕大部分帖子都无关紧要，只会加重我的羞耻感，但至少你们知道what I tried。

Answer 1

我没有安装Python3，但听起来您需要将从lxml返回的Unicode转换为字节，也许可以通过调用.encode（'ascii'）？

Answer 2

好吧，我想我要总结一下我目前对事物的理解（请随意纠正我）。希望它能帮助其他人，就像我一样困惑。

当然，功劳完全归于thebjorn和delnan。

所以，从最常见的事情开始： 这里有Unicode，它是一个全球标准，为所有你能想象到的外来字符分配代码（或代码点）。这些代码只是整数。维基百科称，截至Unicode 6.1，共有109975个图形字符。

还有一些编码定义了如何用字节码指定Unicode字符。一个字节不足以指定任意Unicode字符。尽管如此，如果只取其中的一小部分（英文字母表、数字、标点符号、一些控制字符），每个字符只需一个字节（甚至7位；请参见ASCII）。

---

要在任何地方传递Unicode字符串，需要对其进行字节编码，然后在另一端进行解码。

在Python 2中，str实际上是字节，unicode是Unicode，但是python2会在需要时为您执行隐式编码/解码。它将尝试使用ASCII编码。

在Python 3中，str始终是Unicode字符串，bytes是实际字节的新数据类型。Python 3从不进行隐式转换，您始终需要自己进行转换并指定编码。这意味着你的程序只有在你了解发生在我身上的事情后才能运行。

---

现在，这或多或少是清楚的，让我们转到base64编码，这也是一种分类编码，但有一个稍微不同的含义。 假设您有一些二进制数据（即字节），它们可能意味着任何东西（在我的例子中是一堆float）。现在要用字符串表示这个二进制数组。这就是base64编码的含义：您的字节被表示为ASCII字符串。

Base64表示6位，因此在Base64编码的字符串中，单个字符代表6位数据。这就是为什么base64编码字符串的长度必须是4的倍数：否则编码的字节数将不是整数。

---

最后，要从base64解码，需要一个ASCII字符串。Unicode字符串不行，只能有base64字母表中的字符。Base64 module在Python中完成任务。base64.b64decode()函数接受一个字节字符串作为参数。在Python 2中，它的意思是：str。在Python 3中，它的意思是：bytes。所以如果你有一个str，比如

>>> s = 'U3RhY2sgT3ZlcmZsb3c='

在Python 2中，您可以

>>> s.decode('base64')

因为s已经是ASCII格式。 在Python 3中，首先需要用ASCII编码，所以必须：

>>> base64.b64decode(s.encode('ascii'))

顺便说一下，这将返回一个bytes对象，所以如何处理这些字节真的取决于您。也许这是我的浮动，但也许你应该尝试将其解码为ASCII：） 然而，在Python 2中，它只是一个str。无论如何，请查看^{}以获得从这些字节解包数据的工具。

因此，如果需要在Python 2和3上运行代码，请使用最后一个。要确保最后有Unicode（如果要从base64解码文本），必须对其进行解码：

>>> base64.b64decode(s.encode('ascii')).decode('ascii')

在Python 2上，encode('ascii')不会有效地执行任何操作，因为它应用于str。因此，它将首先执行隐式转换到Unicode，然后执行所需的操作（将其转换回ASCII）。decode('ascii')将在Python 2上返回一个unicode对象。