Python将混合ASCII码转换为字符串

Question

我正在使用python-memcached库从memcached中获取一个由其他应用程序设置的值。但是不幸的是，我得到的值是这样的：

>>> mc.get("key")
'\x04\x08"\nHello'

有没有办法用Python函数把这个混合的ASCII代码解析成普通字符串呢？

非常感谢你的帮助！

Answer 1

如果你只是想去掉字符串中的 '\x04\x08"\n' 这些特定的字符，而且这些字符总是一样的（你的问题没有说得很清楚，我不太确定你是不是这个意思），可以试试下面的做法：

to_trim = '\x04\x08"\n'
string = mc.get('key')
if string.startswith(to_trim):
    string = string[len(to_trim):]

Answer 2

这是一种“普通字符串”，在这种东西存在的范围内。我不知道你期待什么样的输出，但：

其实没有所谓的普通文本。

在Python（至少在2.x版本中），str类型实际上是字节的容器，而不是字符。所以它根本不算真正的文本 :) 它会根据一种非常简单的编码方式来显示字节，使用转义序列来表示每个稍微“奇怪”的字节。如果你用print来输出这个字符串，它的格式又会有所不同（你现在看到的其实是创建这种字面字符串的代码语法）。

在简单的时代，我们天真地认为可以直接把字节映射到我们称之为“字符”的符号上，就这样了。结果发现，实际上有大约无数种不同的映射方式，人们想用的很多符号需要的数量超过了一个字节能表示的范围。这就是为什么我们现在有Unicode：它代表了你可能需要的任何现实世界语言的每个符号（还有一些虚构语言和其他用途），并且它抽象地给这些符号分配了数字，但并没有说明如何将字节收集并解释为数字。（这就是编码的目的）。

如果你知道字符串数据是以特定方式编码的，你可以将其解码为Unicode字符串。它可能是实际Unicode数据的编码，或者可能是其他格式（例如，日文文本通常使用一种叫“Shift-JIS”的编码，因为对他们来说，它的意义大致相当于我们常用的“Latin-1”——ASCII的一种常见扩展）。无论哪种情况，你都会得到一系列Unicode代码点的内存表示（就是前面提到的那些数字）。从某种意义上说，这才是真正的“文本”，但它并不算“普通” :)

不过看起来你手上的数据实际上是一个二进制字节块，如果按ASCII解读的话，恰好大部分是“可读文本”。

你真正需要做的是弄清楚为什么第一个字节的值是4，第二个字节的值是8，然后再根据这个进行处理。