TCP固定长度字符串的Python比较问题及合理性探讨

我用Python写了个通过TCP接收数据的脚本，接口定义字符串长度固定为10字节，收到的内容是"Ok"后面跟若干空字节（\x00）。解码后和脚本里定义的"Ok"比较返回False，用下面的代码可以复现问题：

var: str = "Ok"

received_bytes = var.encode('utf-8')
received_bytes += b'\x00' * (10 - len(var.encode('utf-8')))
decoded_string = received_bytes.decode('utf-8') 

print(f"Received data: {received_bytes.hex()}")
print(f"Input: >>{var}<<")
print(f"Output: >>{decoded_string}<<")
print(f"Compare: {decoded_string == var}")

运行输出：

Received data: 4f6b0000000000000000
Input: >>Ok<<
Output: >>Ok<<
Compare: False

我临时通过截取前两个字符解决了问题，但有几个疑问：

• Python打印字符串时为什么不显示空字节？
• 解码函数应该忽略空字节吗？
• 是不是我本来就该在解码前先去掉空字节？

问题根源 #

核心原因是decoded_string实际上是"Ok" + "\x00"*8，虽然打印的时候空字节不会显示出来（因为ASCII空字符是不可打印的控制字符），但它确实存在于字符串里，所以和纯"Ok"比较肯定不相等。

逐个解答你的疑问 #

1. Python打印不显示空字节？
   是的，\x00是ASCII的空字符（NUL），属于不可打印的控制字符。终端打印这类字符时通常不会有可见输出，所以你看到的输出和"Ok"看起来一样，但底层字符串内容不一样。你可以用repr(decoded_string)来查看真实内容，会显示'Ok\x00\x00\x00\x00\x00\x00\x00\x00'。

2. 解码函数应该忽略空字节吗？
   当然不会。UTF-8解码的职责是把字节流准确转换成对应的Unicode字符串，空字节\x00对应的Unicode字符就是U+0000 NULL，解码时会完整保留，不会自动忽略——这是合理的，因为有些场景下空字节是有意义的（比如C风格的字符串终止符，但这里是固定长度字符串，逻辑不同）。

3. 是不是该在解码前去空字节？
   这要看接口定义：如果接口明确说字符串是"有效内容后跟填充的空字节"，那不管是解码前还是解码后处理都可以，但更规范的做法是先处理掉填充的空字节再解码，或者解码后截断到有效内容。具体有几种方式：

   • 解码前：用received_bytes.rstrip(b'\x00')去掉末尾的空字节，再解码

     decoded_string = received_bytes.rstrip(b'\x00').decode('utf-8')
     

   • 解码后：用decoded_string.rstrip('\x00')去掉末尾的空字符

     decoded_string = received_bytes.decode('utf-8').rstrip('\x00')
     

   这两种都比固定截取前2个字符更健壮——如果以后接口里的有效字符串长度变化，固定截取会出问题，而rstrip能自适应处理。

内容的提问来源于stack exchange，提问作者Arn