如何从unicode字符中获取原始字节？

Question

>>> u'\u6162'
u'\u6162'

对于上面的unicode字符（我假设0x62应该在它的低位。如果我错了，请纠正我），我想得到它的原始字节列表（ASCII 0x62对应于b）。有人能告诉我如何在python2和pytho3中都做到这一点吗（如果代码不同的话）？谢谢。你知道吗

['b', 'a']

Answer 1

使用UTF-32会更安全，因为它用相同的字节数覆盖整个BMP平面。这样就可以得到2个额外的\x00字节，这些字节很容易被删除。你知道吗

>>> u'\u6162'.encode('utf-32le')
b'ba\x00\x00'

如果您知道在UTF-16上不会有超过2字节的奇怪字符，那么您也可以使用它：

>>> u'\u6162'.encode('utf-16le')
b'ba'

注意，我使用的是le编码器变体，不添加BOM，而是具有所需的字节顺序。如果您更愿意使用ab，请使用be变体（例如'utf-16be'）。你知道吗

这段代码在python2和python3上都可以工作，但是请注意python3上的字节字符串的行为不同。你知道吗

有关编码差异的更多有用信息： https://unicodebook.readthedocs.io/unicode_encodings.html