字节文字的Python比较答案

【问题标题】：Python Comparison of byte literals字节文字的Python比较
【发布时间】：2014-07-19 16:54:48
【问题描述】：

出现以下问题是因为我试图将 bytes 字符串用作字典键，而我理解为相等的字节值没有被视为相等。

为什么以下 python 代码比较不相等 - 这两个等效表示不是相同的二进制数据（故意选择避免字节序的示例）？

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

我知道以下计算结果为真，证明了等价性：

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

但为什么 python 强迫我知道表示？它与字节序有关吗？有没有一些简单的方法可以强制这些比较等效，而不是将它们全部转换为例如十六进制文字？任何人都可以建议一种透明且清晰的方法，以（某种程度上）独立于平台的方式在所有表示之间移动（或者我要求太多了）？

编辑：

鉴于下面的 cmets，假设我想以 b'0b11111111' 的形式使用 8 位实际索引一个字典，那么为什么 python 将其扩展为 10 个字节，我该如何防止呢？

这是大型树数据结构的一小部分，将我的索引扩展 80 倍似乎是对内存的巨大浪费。

【问题讨论】：

【解决方案1】：

字节可以表示任意数量的事物。 Python 不能也不会猜测你的字节可能编码什么。

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 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使用 ASCII（如果可以表示为可打印文本）：

>>> 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，则使用ast.literal_eval() 来解释解码文本值；在比较之前总是先归一化：

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

【讨论】：

【解决方案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。）它不假定b'0b11111111' 一定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。

【讨论】：

【解决方案3】：

看来您试图做的是获取一个表示值0b11111111（或255）的字节字符串。这不是b'0b11111111' 所做的——它实际上代表一个字节字符串，表示字符（Unicode）字符串'0b11111111'。

你想要的会写成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，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_uint8（即 8 位无符号 C 整数）和 c_int64（64 位有符号 C 整数）来代替 c_ubyte 和 c_long。

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)

【讨论】：