如何在Python中访问GB18030编码字符串的指定部分？

你遇到的核心问题是混淆了字节序列和字符串的概念：'\xc0\xee'在Python中是包含两个Latin-1编码字符的字符串，而你实际需要的是把这些字符对应的字节值转换成十六进制字符组成的字符串，这样就能单独访问每个十六进制字母或提取完整的字节十六进制表示。

下面是几种可行的解决方法：

方法1：使用bytes.hex()方法（推荐） #

如果你的原始内容是GB18030编码后的字节串（这才是编码结果的正确存储方式），直接用hex()方法就能得到每个字节的十六进制字符串：

# 先将中文字符编码为GB18030字节串
li_bytes = "李".encode("gb18030")  # 结果是 b'\xc0\xee'
hex_str = li_bytes.hex()  # 得到字符串 "c0ee"
print(hex_str)  # 输出: c0ee

# 现在可以自由访问单个字符或者提取子串
print(hex_str[0:2])  # 提取 'c0'
print(hex_str[2:4])  # 提取 'ee'
print(hex_str[0])    # 访问单个罗马字母 'c'

方法2：处理已有的Latin-1字符串 #

如果你已经有了像'\xc0\xee'这样的字符串（本质是用Latin-1解码了GB18030字节串），可以先把它转回字节串，再用上面的方法：

s = '\xc0\xee'
# 先转回字节串，指定编码为Latin-1（因为每个字符对应一个字节）
li_bytes = s.encode('latin-1')
hex_str = li_bytes.hex()
print(hex_str)  # 同样得到 "c0ee"

# 访问单个字符或子串
print(hex_str[1])  # 输出 '0'
print(hex_str[2:]) # 输出 'ee'

方法3：手动格式化每个字节 #

如果你想手动控制每个字节的十六进制格式（比如大写），可以用format()函数遍历每个字节：

li_bytes = "李".encode("gb18030")
# 生成大写的十六进制字符串
hex_str_upper = ''.join([format(byte, '02X') for byte in li_bytes])
print(hex_str_upper)  # 输出: C0EE

# 提取单个部分
print(hex_str_upper[:2])  # 'C0'

补充说明 #

• 为什么'\xc0\xee'是2字符字符串？因为在Python中，字符串由Unicode字符组成，\xc0和\xee是Latin-1编码中的两个独立字符（对应字节值0xC0和0xEE），所以它们被当作两个字符，而非8个字符的十六进制表示。
• 始终建议直接操作字节串处理编码后的内容，这样能避免字符编码转换带来的混淆。

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