解码的base64字符串在Python 3（与LXML与否）

Question

我知道这看起来令人尴尬的容易，我想这个问题是我根本没有这一切字节-STR-unicode的清醒的认识（和编码解码，坦率地说）的东西呢。

我一直试图让我的工作代码在Python 3上运行。我坚持使用的部分是当我用lxml解析XML并解码该XML中的base64字符串时。

代码现在工作以下列方式：

我用XPath查询'.../binary/text()'检索二进制数据。这会生成一个包含lxml.etree._ElementUnicodeResult对象的单元素列表。然后，与Python 2，我是能够做到：

decoded = source.decode('base64') 

最后

output = numpy.frombuffer(decoded) 

然而，在Python 3中，我得到一个错误信息说

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

事实并非如此令人惊讶，因为lxml.etree._ElementUnicodeResult是str的子类。

另一种方法是，以获得真正的str与它相同的数据与

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

这将是基本相同的。那么我该怎么做从base64解码它呢？我已经看了base64模块，但它需要一个bytes对象作为参数，我想不出将str作为bytes的方式，因为如果我尝试构造一个bytes对象，Python将尝试编码字符串，我不需要。

进一步谷歌搜索，我整个binascii模块来（这是从base64间接调用，无论如何，如果我没有记错的话），但我的字符串调用binascii.b2a_base64()产生

TypeError: 'str' does not support the buffer interface 

附：我甚至在how to decode a hex string in Python 3上找到了一个回答问题，但是这是通过专门的方法bytes.fromhex()完成的，所以我不认为它会有帮助。

可能有人请告诉我，我缺少的是什么？恐怕大部分帖子都是无关紧要的，只会加重我的耻辱，但至少你们知道what I tried。

Answer 1

我没有Python 3的安装，但它听起来像你需要转换Unicode的从LXML返回字节，也许是通过调用.encode（“ASCII”）？

Answer 2

OK，我想我会总结我目前的东西（随时纠正我）认识。希望它能帮助那些像我一样困惑的人。

信用完全去thebjorn和delnan，当然。

因此，从最常见的东西开始： 有Unicode，它是一个全局标准，它将代码（或代码点）分配给所有您可以想象的奇特字符。这些代码只是整数。从Unicode 6.1开始，有109,975个图形字符，维基百科说。

然后有编码定义如何用字节码指定Unicode字符。一个字节不足以指定任意的Unicode字符。尽管如果你只需要一小部分（英文字母，数字，标点符号和一些控制字符），你可以使用每个字符一个字节（甚至7位;参见ASCII）。

---

要在任何地方传递一个Unicode字符串，需要以字节为单位进行编码，然后才能在另一端进行解码。

在Python 2中，str实际上是字节，而unicode是Unicode，但是Python 2会在需要时为你做隐式编码/解码。它会尝试使用ASCII编码。

在Python 3中，str始终是一个Unicode字符串，而bytes是实际字节的新数据类型。 Python 3不会执行隐式转换，您始终需要自己完成并指定编码。这意味着，只有在你明白发生了什么事情之后，你的程序才会起作用，这完全发生在我身上。

---

现在，或多或少清晰，让我们继续base64编码，这也是各种各样的编码，但有一个稍微不同的含义。 假设你有一些二进制数据（即字节），这可能意味着什么（在我的情况下，它是一堆float s）。现在你想用一个字符串表示这个二进制数组。这就是base64编码的含义：您将您的字节表示为ASCII字符串。

Base64表示6位，所以在base64编码的字符串中，单个字符代表6位数据。这就是为什么base64编码的字符串需要长度为4的倍数：否则编码的字节数将不是整数。

---

最后，要从base64解码，您需要一个ASCII字符串。一个Unicode字符串不行，只能有base64字母表中的字符。 Base64 module在Python中完成这项工作。 base64.b64decode()函数采用字节字符串作为参数。在Python 2中，它表示：str。在Python 3中，它表示：bytes。所以，如果你有一个str，如

>>> s = 'U3RhY2sgT3ZlcmZsb3c=' 

在Python 2，你可以只是做

>>> s.decode('base64') 

因为s已经在ASCII。 在Python 3，您需要编码它在ASCII第一，所以你要做的：

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

顺便说一下，这将返回一个bytes对象，所以这真的取决于你如何然后处理那些字节。也许这是我的花车，但也许你应该尝试把它当作ASCII解码:) 在Python 2但它只是一个str。无论如何，看看struct的工具来解压你的数据从这些字节。

所以，如果你需要的代码到两个Python 2和3的工作，去的最后一个。为了确保您使用Unicode到底（如果你是从解码的base64文本），你必须对它进行解码：

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

在Python 2中，因为它适用于strencode('ascii')将不能有效地做任何事。所以它会先执行一个隐式转换到Unicode，然后做你想做的事（把它转换回ASCII）。 decode('ascii')将在Python 2上返回一个unicode对象。