解碼的base64字符串在Python 3（與LXML與否）

Question

我知道這看起來令人尷尬的容易，我想這個問題是我根本沒有這一切字節-STR-unicode的清醒的認識（和編碼解碼，坦率地說）的東西呢。

我一直試圖讓我的工作代碼在Python 3上運行。我堅持使用的部分是當我用lxml解析XML並解碼該XML中的base64字符串時。

代碼現在工作以下列方式：

我用XPath查詢'.../binary/text()'檢索二進制數據。這會生成一個包含lxml.etree._ElementUnicodeResult對象的單元素列表。然後，與Python 2，我是能夠做到：

decoded = source.decode('base64') 

最後

output = numpy.frombuffer(decoded) 

然而，在Python 3中，我得到一個錯誤信息說

AttributeError: 'lxml.etree._ElementUnicodeResult' object has no attribute 'decode' 

事實並非如此令人驚訝，因爲lxml.etree._ElementUnicodeResult是str的子類。

另一種方法是，以獲得真正的str與它相同的數據與

binary = tree.xpath('//binary')[0] 
binary_string = binary.text 

這將是基本相同的。那麼我該怎麼做從base64解碼它呢？我已經看了base64模塊，但它需要一個bytes對象作爲參數，我想不出將str作爲bytes的方式，因爲如果我嘗試構造一個bytes對象，Python將嘗試編碼字符串，我不需要。

進一步谷歌搜索，我整個binascii模塊來（這是從base64間接調用，無論如何，如果我沒有記錯的話），但我的字符串調用binascii.b2a_base64()產生

TypeError: 'str' does not support the buffer interface 

附：我甚至在how to decode a hex string in Python 3上找到了一個回答問題，但是這是通過專門的方法bytes.fromhex()完成的，所以我不認爲它會有幫助。

可能有人請告訴我，我缺少的是什麼？恐怕大部分帖子都是無關緊要的，只會加重我的恥辱，但至少你們知道what I tried。

Answer 1

我沒有Python 3的安裝，但它聽起來像你需要轉換Unicode的從LXML返回字節，也許是通過調用.encode（「ASCII」）？

Answer 2

OK，我想我會總結我目前的東西（隨時糾正我）認識。希望它能幫助那些像我一樣困惑的人。

信用完全去thebjorn和delnan，當然。

因此，從最常見的東西開始： 有Unicode，它是一個全局標準，它將代碼（或代碼點）分配給所有您可以想象的奇特字符。這些代碼只是整數。從Unicode 6.1開始，有109,975個圖形字符，維基百科說。

然後有編碼定義如何用字節碼指定Unicode字符。一個字節不足以指定任意的Unicode字符。儘管如果你只需要一小部分（英文字母，數字，標點符號和一些控制字符），你可以使用每個字符一個字節（甚至7位;參見ASCII）。

---

要在任何地方傳遞一個Unicode字符串，需要以字節爲單位進行編碼，然後才能在另一端進行解碼。

在Python 2中，str實際上是字節，而unicode是Unicode，但是Python 2會在需要時爲你做隱式編碼/解碼。它會嘗試使用ASCII編碼。

在Python 3中，str始終是一個Unicode字符串，而bytes是實際字節的新數據類型。 Python 3不會執行隱式轉換，您始終需要自己完成並指定編碼。這意味着，只有在你明白髮生了什麼事情之後，你的程序纔會起作用，這完全發生在我身上。

---

現在，或多或少清晰，讓我們繼續base64編碼，這也是各種各樣的編碼，但有一個稍微不同的含義。 假設你有一些二進制數據（即字節），這可能意味着什麼（在我的情況下，它是一堆float s）。現在你想用一個字符串表示這個二進制數組。這就是base64編碼的含義：您將您的字節表示爲ASCII字符串。

Base64表示6位，所以在base64編碼的字符串中，單個字符代表6位數據。這就是爲什麼base64編碼的字符串需要長度爲4的倍數：否則編碼的字節數將不是整數。

---

最後，要從base64解碼，您需要一個ASCII字符串。一個Unicode字符串不行，只能有base64字母表中的字符。 Base64 module在Python中完成這項工作。 base64.b64decode()函數採用字節字符串作爲參數。在Python 2中，它表示：str。在Python 3中，它表示：bytes。所以，如果你有一個str，如

>>> s = 'U3RhY2sgT3ZlcmZsb3c=' 

在Python 2，你可以只是做

>>> s.decode('base64') 

因爲s已經在ASCII。 在Python 3，您需要編碼它在ASCII第一，所以你要做的：

>>> base64.b64decode(s.encode('ascii')) 

順便說一下，這將返回一個bytes對象，所以這真的取決於你如何然後處理那些字節。也許這是我的花車，但也許你應該嘗試把它當作ASCII解碼:) 在Python 2但它只是一個str。無論如何，看看struct的工具來解壓你的數據從這些字節。

所以，如果你需要的代碼到兩個Python 2和3的工作，去的最後一個。爲了確保您使用Unicode到底（如果你是從解碼的base64文本），你必須對它進行解碼：

>>> base64.b64decode(s.encode('ascii')).decode('ascii') 

在Python 2中，因爲它適用於strencode('ascii')將不能有效地做任何事。所以它會先執行一個隱式轉換到Unicode，然後做你想做的事（把它轉換回ASCII）。 decode('ascii')將在Python 2上返回一個unicode對象。