Python3如何将ASCII十六进制形式的字节描述字符串转换为实际字节

问题场景 #

需要将仅由ASCII十六进制字符（0-9、a-f、A-F）组成、用于描述字节值的字面量字符串，转换为对应的真实字节对象，不能直接按ASCII编码规则对字符串本身做编码。典型场景为PDF内容提取：

待转换的纯十六进制字符串示例：
00180012001a001b...
从PDF内容流中提取的典型原始数据结构如下：

# PDF原始文本片段
original = '[ <00010002> 1 <000300040005> 1.00708 <00060007> ] TJ'
# 提取尖括号内的内容拼接得到的纯十六进制串
parsed = '0001000200030004000500060007'

# 错误做法：会把每个十六进制字符本身按ASCII编码，得不到目标字节
bparsed_wrong = parsed.encode('ascii')

这类字符串天然可按每2个字符对应1个字节、每4个字符对应1个16位单元的规则拆分，转换完成后可进一步匹配对应编码（如PDF常用的WinAnsiEncoding）完成解码。

原生实现方案 #

直接使用Python3内置的bytes.fromhex()类方法即可，该方法是标准库原生提供的实现，简洁鲁棒，无第三方依赖：

parsed = '0001000200030004000500060007'
# 核心转换逻辑
bparsed = bytes.fromhex(parsed)

# 转换结果验证
print(bparsed)
# 输出：b'\x00\x01\x00\x02\x00\x03\x00\x04\x00\x05\x00\x06\x00\x07'

方法特性说明 #

• 自动忽略输入字符串中的所有空白字符（空格、换行、制表符等），如果提取的十六进制串存在多余空白，无需提前做清洗处理
• 输入字符串长度必须为偶数，否则会抛出ValueError，如果遇到长度为奇数的串，需要检查提取逻辑是否存在字符遗漏，或按需补前导0
• 转换得到的字节对象是真实的字节值序列，后续可直接尝试对应编码做解码。注意：不建议用chardet识别这类PDF片段的编码，PDF文本编码通常和字体对象的编码标识绑定，chardet对多编码混合的短字节串识别准确率极低。

内容的提问来源于stack exchange，提问作者Chris