Python：在不添加转义字符的情况下将原始字符串转换为字节字符串

Question

我有一个字符串：

'BZh91AY&SYA\xaf\x82\r\x00\x00\x01\x01\x80\x02\xc0\x02\x00 \x00!\x9ah3M\x07<]\xc9\x14\xe1BA\x06\xbe\x084'

我想要：

b'BZh91AY&SYA\xaf\x82\r\x00\x00\x01\x01\x80\x02\xc0\x02\x00 \x00!\x9ah3M\x07<]\xc9\x14\xe1BA\x06\xbe\x084'

但我不断收到：

b'BZh91AY&SYA\xaf\x82\r\x00\x00\x01\x01\x80\x02\xc0\x02\x00 \x00!\x9ah3M\x07<]\xc9\x14\xe1BA\x06\xbe\x084'

上下文

我从网页上抓取了一个字符串并将其存储在变量 un 中。现在我想使用 BZip2 解压缩它：

bz2.decompress(un)

但是，由于 un 是一个 str 对象，我得到这个错误：

TypeError: a bytes-like object is required, not 'str'

因此，我需要在不将单个反斜杠更改为转义反斜杠的情况下将 un 转换为类似字节的对象。

编辑 1： 感谢您的帮助！ @wim 我现在明白你的意思了，但是我不知道如何从我的网络抓取方法中检索类似字节的对象：

r = requests.get('http://www.pythonchallenge.com/pc/def/integrity.html')

doc = html.fromstring(r.content)
comment = doc.xpath('//comment()')[0].text.split('\n')[1:3]

pattern = re.compile("[a-z]{2}: '(.+)'")

un = re.search(pattern, comment[0]).group(1)

我使用的包是requests、lxml.html、re和bz2。

再一次，我的目标是使用 bz2 解压缩 un，但是我很难从我的网络抓取过程中获取类似字节的对象。

有什么指点吗？

Answer 1

如果我正确理解您的目标，可以通过以下方式实现：

word = 'BZh91AY&SYA\xaf\x82\r\x00\x00\x01\x01\x80\x02\xc0\x02\x00 \x00!\x9ah3M\x07<]\xc9\x14\xe1BA\x06\xbe\x084'

my_byte_array = word.encode()

print(my_byte_array)

结果是：

b'BZh91AY&SYA\xc2\xaf\xc2\x82\r\x00\x00\x01\x01\xc2\x80\x02\xc3\x80\x02\x00 \x00!\xc2\x9ah3M\x07<]\xc3\x89\x14\xc3\xa1BA\x06\xc2\xbe\x084'

如果这还不够的话，在此 SO post 上对此进行了很好的讨论。他们讨论了（根据 PEP）将 UTF-8 字符串编码为字节数组的最佳方法以及 class 涉及的其他方法。

Answer 2

您的错误早先存在。唯一可接受的解决方案是更改抓取代码，使其 returns 成为字节对象而不是文本对象。不要尝试 "convert" 你的字符串 un 成字节，它不能可靠地完成。

不要这样做：

>>> un = 'BZh91AY&SYA\xaf\x82\r\x00\x00\x01\x01\x80\x02\xc0\x02\x00 \x00!\x9ah3M\x07<]\xc9\x14\xe1BA\x06\xbe\x084'
>>> bz2.decompress(un.encode('raw_unicode_escape'))
b'huge'

"raw_unicode_escape" 只是一种 Latin-1 编码，它具有针对其外部字符的内置回退。此编码将 \uXXXX 和 \UXXXXXXXX 用于其他代码点。现有的反斜杠不会以任何方式转义。它用于 Python pickle 协议。 对于无法表示为 \xXX 序列的 Unicode 字符，您的数据将会损坏。

Web 抓取代码无法将 bz2 编码的字节作为 str 返回，因此您需要解决问题的原因，而不是试图处理这些症状。

Python：在不添加转义字符的情况下将原始字符串转换为字节字符串

Python: Convert Raw String to Bytes String without adding escape chraracters

python

python-3.x

lxml

lxml.html

bz2