Python如何将被识别为UTF-8的字符串无损转为二进制数据？

核心问题说明 #

Firebird数据库用String类型BLOB存储二进制数据时，firebirdsql驱动会将其解码为Python字符串，导致打印时不可打印的控制字符被隐藏，且你需要还原原始二进制数据且不修改内容。

解决步骤 #

1. 确认数据并未丢失 #

单独打印x[1]时看不到\x00、\x01等字符，是终端默认不显示不可打印控制字符导致的，并非数据丢失。你可以用repr()查看字符串的完整原始内容：

print(repr(x[1]))

输出会和print(x)时显示的转义内容完全一致。

2. 无损将字符串转为二进制bytes #

要把字符串还原为原始二进制数据，唯一无损的方式是使用latin-1编码——因为Latin-1是单字节编码，每个Unicode字符（U+0000到U+00FF）和字节（0x00到0xFF）一一对应，编码过程不会修改任何原始字节：

original_binary = x[1].encode('latin-1')

此时original_binary就是和数据库中存储的完全一致的二进制数据，验证方式：

print(repr(original_binary))

输出会和print(x)中显示的字符串转义内容匹配（仅前缀多了b'）。

3. 从根源避免转换（推荐） #

如果firebirdsql驱动支持，你可以在连接或查询时指定让String类型BLOB直接返回bytes，跳过解码为字符串的步骤。比如检查驱动的连接参数，是否有类似charset=None或者blob_type=bytes的配置，具体可查看驱动参数说明。

内容的提问来源于stack exchange，提问作者Stefan