使用struct在python中将char打包为字节

Question

我正在尝试使用 struct 包使用 python 将 char 打包为字节，但使用此代码打包 char 时我的代码不会返回 4 个字节：

def charToHex(s):
#check if string is unicode
if isinstance(s, str):
    print(struct.pack('<c', 'a'.encode(encoding='utf-8')))
    return '{:02x}'.format(struct.unpack('<I', struct.pack('<c', s.encode('utf-8')))[0])

#check if input is already a byte
elif isinstance(s, bytes):
    return '{:02x}'.format(struct.unpack('<I', struct.pack('<c', s))[0])

else:
    raise Exception()

谁能向我解释为什么这不起作用？我只是想将 unicode char 转换为 4 个字节并解压缩它，但它甚至不会正确打包。

Answer 1

c format 是 C 意义上的单字节 char，而不是 Python 意义上的 Unicode 代码点。

同时，UTF-8 的全部意义在于它是可变宽度的。一个字符可以编码为 1 到 4 个字节。所以你不能把它打包成c。您可以将其填充为 4 个字节，然后将其打包成 4c 或 I 或其他东西，但这样做很愚蠢。

如果您想为每个字符精确使用 4 个字节，则使用 UTF-32 会简单得多。或者，由于单个字符的 UTF-32 编码只是作为 4 字节 int 的 Unicode 代码点，这与 ord 返回的内容完全相同，您可以跳过 encode 步骤。

对于单字符 bytes，确实 打包为 c 是有意义的，但是将其解压缩为 i 是没有意义的。

事实上，你甚至不清楚你在这里使用struct 是为了什么。如果您想要做的只是 pack 一个数字和 unpack 同一个数字，请按原样使用数字。

同时，02x 作为 4 字节整数的格式没有多大意义，因为 4 字节整数需要 8 个十六进制数字，而不是 2 个。

所以，你可能想要的是这样的：

def charToHex(s):
    #check if string is unicode
    if isinstance(s, str):
        return format(ord(s), '08x')
    #check if input is already a byte
    elif isinstance(s, bytes):
        return format(ord(s), '02x')