Python中对\xaf字符执行encode操作后出现额外字符的原因是什么

你观察到的结果是UTF-8编码规则下的正常输出，不存在额外异常字符，具体逻辑如下：

• Python 3中str类型本质是Unicode字符序列，你写的'\xaf'对应的是Unicode码点 U+00AF（对应符号为¯）
• 无参数的encode()方法默认使用UTF-8编码，UTF-8是可变长编码，规则为：
  • U+0000~U+007F范围的字符用1字节编码，和ASCII标准完全兼容
  • U+0080~U+07FF范围的字符用2字节编码，固定格式为110xxxxx 10xxxxxx
• 码点U+00AF的二进制值为00000000 10101111，按2字节UTF-8规则拆分计算后：
  • 第一个字节取高5位值00010，补前缀110得到11000010，对应十六进制值0xc2
  • 第二个字节取低6位值101111，补前缀10得到10101111，对应十六进制值0xaf
  • 最终编码结果就是b'\xc2\xaf'，完全符合编码规范

如果需要得到单字节的b'\xaf'结果，可以使用单字节编码Latin-1（即ISO-8859-1），对应代码为'\xaf'.encode('latin-1')，该编码会将U+0000~U+00FF范围内的Unicode码点直接映射为同值的单字节。

内容的提问来源于stack exchange，提问作者Grammdalf_the_Weight