Python 中字节文字的比较

Question

出现以下问题是因为我试图使用

bytes

字符串作为字典键，而我理解为相等的字节值并未被视为相等。

为什么以下 Python 代码比较不相等 - 这两个不是相同二进制数据的等效表示（该示例是故意选择的以避免字节序）？

b'0b11111111' == b'0xff'

我知道以下评估结果为真，证明了等价性：

int(b'0b11111111', 2) == int(b'0xff', 16)

但是为什么 Python 强迫我知道表示形式呢？与字节顺序有关吗？除了将它们全部转换为例如十六进制文字之外，是否有一些简单的方法可以强制它们比较等效值？是否有一种透明且清晰的方法可以以（某种程度上）独立于平台的方式在所有表示之间移动（或者我要求太多）？

假设我实际上想使用 8 位以

b'0b11111111'

的形式对字典进行索引，那么为什么 Python 将其扩展为 10 个字节以及如何防止这种情况发生？

这是大型树数据结构的一小部分，将索引扩展 80 倍似乎是对内存的巨大浪费。

Answer 1

字节可以代表任意数量的事物。 Python 不能也不会猜测你的字节可能编码的内容。

例如，

int(b'0b11111111', 34)

也是一个有效的解释，但该解释不等于十六进制FF。

事实上，解释的数量是无穷无尽的。这些字节可以表示一系列 ASCII 代码点、图像颜色或音符。

在您明确应用解释之前，字节对象仅由 0-255 范围内的值序列组成，并且这些字节的文本表示形式使用 ASCII（如果可表示为可打印文本）：

>>> list(bytes(b'0b11111111'))
[48, 98, 49, 49, 49, 49, 49, 49, 49, 49]
>>> list(bytes(b'0xff'))
[48, 120, 102, 102]

那些字节序列不相等。

如果您想将这些序列显式解释为整数文字，请使用

ast.literal_eval()

 来解释 

decoded 文本值；在比较之前始终先标准化：

>>> import ast
>>> ast.literal_eval(b'0b11111111'.decode('utf8'))
255
>>> ast.literal_eval(b'0xff'.decode('utf8'))
255

Answer 2

b'0b11111111'

由10个字节组成：

In [44]: list(b'0b11111111')
Out[44]: ['0', 'b', '1', '1', '1', '1', '1', '1', '1', '1']

而 

b'0xff'

由 4 个字节组成：

In [45]: list(b'0xff')
Out[45]: ['0', 'x', 'f', 'f']

显然，它们不是同一个对象。

Python 重视明确性。 （

显式优于隐式

。）它并不假设b'0b11111111'必然是整数的二进制表示。它只是一串字节。必须明确说明您选择如何解释它。

Answer 3

0b11111111

（或 255）的字节字符串。这不是

b'0b11111111'

所做的 – 它实际上代表表示

character

(Unicode) 字符串 '0b11111111' 的字节字符串。你想要的就写成

b'\xff'

。您可以检查它实际上是一个字节：

len(b'\xff') == 1

。要将 Python

int

转换为二进制表示形式，您可以使用

ctypes

 库。您需要选择一种 C 整数类型，例如：

>>> bytes(ctypes.c_ubyte(255))
b'\xff'

>>> bytes(ctypes.c_ubyte(0xff))
b'\xff'

>>> bytes(ctypes.c_long(255))
b'\xff\x00\x00\x00\x00\x00\x00\x00'

注意：您可以分别使用别名 

c_ubyte

（即 8 位无符号 C 整数）和

c_long

（64 位有符号 C 整数）来代替

c_uint8

和

c_int64

。转换回来：

>>> ctypes.c_ubyte.from_buffer_copy(b'\xff').value
255

小心溢出：

>>> ctypes.c_ubyte(256)
c_ubyte(0)

Answer 4

byte

类型。您有

bytes

和

bytearray

，分别用于可变和不可变数据。这意味着虽然

0b1111_1111

和

0xff

代表相同的整数值 255，但使用

b'0b1111_1111'

只是一串 ASCII 字符，在本例中为 11 个字符。但也许，你的意思更多的是：

>>> bytes([0xff])
b'\xff'
>>> bytes([0b1111_1111])
b'\xff'
>>> bytes([0xff]) == bytes([0b1111_1111])
True