python3 编码转换问题😂十进制数组转 unicode

[toono]

假设现在有数组 arr = [96, 79, 125, 89]

数组内的每个数的 16 进制数分别为 60, 4f, 7d, 59

而字符串“你好”的 unicode 编码是 '\u4f60\u597d'

问：怎么将十进制数组转换成 unicode 字符？（希望是由内置的函数去转换，手动拼接的话太蓝瘦了）

详情：这是我在通过 pywin32 的 SendMessage 获取文本框内容时遇到的问题，因为因为是用 PyBuffer 来接收返回的内容，所以得到的是一个数组，很纠结怎么转换成字符

[raysonx]

~> python3
Python 3.5.2 (default, Sep 14 2016, 11:28:32)
[GCC 6.2.1 20160901 (Red Hat 6.2.1-1)] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import struct
>>> arr = [96, 79, 125, 89]
>>> struct.pack('B' * len(arr), *arr).decode('utf-16')
'你好'
>>>

[raysonx]

或者直接
>>> bytes(arr).decode('utf-16')
'你好'

[raysonx]

需要澄清的一個問題是，「字符串“你好”的 unicode 编码是 '\u4f60\u597d'」表述有誤。
Unicode 是字符集，它只負責對每一個符號賦於一個編號，並不關心這個符號的二進制表示行式。
而樓主的需求是，對一串 bytes 按 UTF-16 進行解碼（ decode ）。
Unicode 是字符集(charset)， UTF 是編碼(encoding)，不要搞混了。

[toono]

@raysonx 嗯嗯，谢谢耐心科普！！！！

[imn1]

如楼上所述， unicode 是个字符集，是个“类映射表”概念， ucs2, utf-7/8/16/32 等等才能称为编码

一般处理字符串的话， 2L 所写 bytes 比较方便，但主楼所写场景，如果考虑有可能其他混合数据， 1L 所写 struct 可能更适合

[raysonx]

哦對了， UTF-16 有一個討厭的問題，就是分大小端序（ endianness ）。
題主的例子是小端序(little endian ， UTF-16LE)的，即每一個字符低位 byte 在前，高位 byte 在後（「你好」對應 60, 4f, 7d, 59 ）。
還有一種是大端序(big endian ， UTF-16BE)，即每一個字符高位 byte 在前，低位 byte 在後（「你好」對應 4f, 60, 59, 7d ）。

同樣的， UTF-32 也分大小端序。不過 UTF-8 不分大小端序。

[toono]

@imn1 嗯嗯， 1L 和 2L 的方法都方便，我暂时还没有数据混合，所以 2L 的够用了。你们这些概念好透彻啊，我是刚从事 python 开发，太小白了。

[toono]

@raysonx 对，我也发现了，所以如果实在没有办法了，就先将两个整数换顺序，然后转到 16 进制，再拼接成 unicode 字符的表示形式😛