在Python中将二进制转换为UTF-8

Question

我有一个二进制代码如下：

1101100110000110110110011000001011011000101001111101100010101000

我想将其转换为UTF-8编码。在Python中该怎么做？

- Aidin.T

---

这个二进制字符串是用什么编码的？ASCII吗？还是你的意思是这些字节是一个UTF-8编码的字符串，你想在Python中得到一个Unicode字符串？ - Claudiu

“将其转换为UTF-8”是什么意思？从二进制八位组创建字符？ - Paulo Bu

二进制字符串采用utf-8编码，是的，我想在Python中获取Unicode字符串。 - Aidin.T

我认为我们没有准确理解你拥有的文件类型。你能否运行 hd 或 od 或类似的十六进制转储实用程序，并复制粘贴前几行？ - Robᵩ

这不是一个文件。我只有一段波斯语的文本，将其转换为二进制，现在我想将其转换回文本。 - Aidin.T

Answer 1

简化版：

>>> test_string = '1101100110000110110110011000001011011000101001111101100010101000'
>>> print ('%x' % int(test_string, 2)).decode('hex').decode('utf-8')
نقاب

倒数（来自@Robᵩ的评论）：

>>> '{:b}'.format(int(u'نقاب'.encode('utf-8').encode('hex'), 16))
1: '1101100110000110110110011000001011011000101001111101100010101000'

- Igonato

---

但它不能正常工作。它显示了其他内容，而不是我刚刚转换为二进制的第一段文本。 - Aidin.T

工作了，谢谢。我认为我应该将检查移到这个答案。这样会更简单。 - Aidin.T

反之亦然：s=u'نقاب'; print '{:b}'.format(int(s.encode('utf-8').encode('hex'), 16)) - Robᵩ

@Robᵩ 对答案进行了小修改（我认为在这种情况下，.encode（'utf-8'）是不必要的）。 - Igonato

请注意，s = "سلام"和s = u"سلام"会产生不同的结果。前者失败了，后者成功了。但是让我们停止解决新问题。@Aidin.T，如果您在编码方面有问题，请开一个新问题。 - Robᵩ

Answer 2

我的想法是： 1. 将字符串分成八位一组 2. 使用 int 和后来的 chr 将八位数转换为十六进制 3. 将它们连接起来并将 utf-8 字符串解码为 Unicode

这段代码对我有用，但我不确定它打印出来的是什么，因为我的控制台没有 utf-8（Windows :P）。

s = '1101100110000110110110011000001011011000101001111101100010101000'
u = "".join([chr(int(x,2)) for x in [s[i:i+8] 
                           for i in range(0,len(s), 8)
                           ]
            ])
d = u.decode('utf-8')

希望这可以帮助你！

- Paulo Bu

---

我对unichr有些怀疑。因为原帖中说他的二进制已经是UTF-8格式了。UTF-8有可变长度的字符，所以我只使用了chr函数将原始字节串拼接成一个字符串，然后再将其解码为Unicode。 - Paulo Bu

@JoranBeasley - 我不同意，假设使用的是Python2。在那一步中，他正在收集字节而不是字符。只有在获得utf-8编码的字节字符串后，他才想要进行转换。 - Robᵩ

@Robᵩ：这就是我的观点。很好的答案，喜欢split('........')。我认为基本上和我的想法一样。+1 - Paulo Bu

+1 - 这是和我的技巧一样的（所以我显然赞同），而且你解释得更清楚。提问者应该把勾选移到这个更好的答案上。 - Robᵩ

Answer 3

>>> s='1101100110000110110110011000001011011000101001111101100010101000'
>>> print (''.join([chr(int(x,2)) for x in re.split('(........)', s) if x ])).decode('utf-8')
نقاب
>>> 

或者，反之亦然：

>>> s=u'نقاب'
>>> ''.join(['{:b}'.format(ord(x)) for x in s.encode('utf-8')])
'1101100110000110110110011000001011011000101001111101100010101000'
>>> 

- Robᵩ

---

还有一个问题，我如何通过Python将我的文本转换为二进制？我的意思是反向形式的问题。 - Aidin.T

Answer 4

使用：

def bin2text(s): return "".join([chr(int(s[i:i+8],2)) for i in xrange(0,len(s),8)])


>>> print bin2text("01110100011001010111001101110100")
>>> test

- Nacib Neme

---

如何在程序中正确显示我的文本？它返回了'\xd9\x86\xd9\x82\xd8\xa7\xd8\xa8'，该怎么改正？ - Aidin.T

你需要使用unichr()而不是仅仅使用chr()。http://docs.python.org/2/library/functions.html#unichr - Christian Ternus