·
日常编程 ·
189582
本文旨在帮助读者解决在 Python 3 中将智能电表等设备接收到的字节流数据转换为可读的十六进制字符串的问题。在 Python 2 中常用的 encode('HEX') 方法在 Python 3 中不再适用,会导致 AttributeError 错误。Python 3 提供了更直接且高效的 bytes.hex() 方法来实现相同的功能。
使用 bytes.hex() 方法
bytes.hex() 方法是 Python 3 中用于将字节流转换为十六进制字符串的首选方法。它会返回一个表示字节流的十六进制字符串,每个字节都由两个十六进制字符表示。
示例代码:
假设我们从智能电表接收到以下字节流数据:
CHAR = b'\x00\x86\x1b\x1b\x1b\x1b\x01\x01\x01\x01v\x05\x18\xe0\x99:b\x00b\x00rc\x01\x01v\x01\x01\x05\x08J\xdd\xbe\x0b\n\x01ISK\x00\x044\xb9Zrb\x01e\x08J\xe1\xf4b\x01c\x15\xb9\x00v\x05\x18\xe0\x99;b\x00b\x00rc\x07\x01w\x01\x0b\n\x01ISK\x00\x044\xb9Z\x07\x01\x00b\n\xff\xffrb\x01e\x08J\xe1\xf4t'
要将其转换为十六进制字符串,可以使用以下代码:
hex_string = CHAR.hex()
print(hex_string)
输出结果:
00861b1b1b1b01010101760518e0993ab0062007263010176010105084addbe0b0a0149534b000434b95a72620165084ae1f462016315b900760518e0993bb0062007263070177010b0a0149534b000434b95a070100620affff72620165084ae1f474
如果需要将读取的单个字节转换为十六进制,可以循环读取字节,然后将每个字节转换为十六进制并连接起来:
data = ''
# 假设 port 是你的串口对象
while True:
char = port.read(1) # 读取一个字节
if not char:
break # 如果没有读取到数据,则退出循环
data += char.hex()
print(data)
代码解释:
- port.read(1): 从串口读取一个字节的数据。
- char.hex(): 将读取到的字节转换为十六进制字符串。
- data += char.hex(): 将转换后的十六进制字符串添加到 data 变量中。
注意事项
- 确认你的 port 对象已经正确初始化,并且能够从智能电表读取数据。
- bytes.hex() 方法返回的是字符串类型,如果需要进行数值计算,需要将其转换为整数类型。
- 如果接收到的字节流数据量很大,建议使用生成器或迭代器来处理,以避免一次性加载所有数据到内存中。
总结
在 Python 3 中,使用 bytes.hex() 方法是将字节流转换为十六进制字符串的推荐方法。它简单易用,并且能够高效地处理字节流数据。通过本文的介绍和示例代码,相信读者已经掌握了如何在 Python 3 中实现字节流到十六进制字符串的转换。记住要根据实际情况调整代码,并注意处理可能出现的异常情况。
以上就是将智能电表中的字节流转换为字符串的详细内容,更多请关注骃骐网【www.myinqi.com】。
np.loadtxt读含字符串CSV报错因默认全转float,解决需用结构化dtype显式定义各列类型与名称,如dtype=[('name','U10'),('age','i4'),('height','f4')],并指定encoding='utf-8'。 为什么 np.loadtxt 读含字符串的CSV会报错“could not convert string to float” 因为 np.lo...
本文介绍如何用一行python代码高效验证字符串中所有数字的出现频次是否均≤4,避免重复遍历字符串,提升性能。 本文介绍如何用一行python代码高效验证字符串中所有数字的出现频次是否均≤4,避免重复遍历字符串,提升性能。 在处理字符串校验任务时,若需确保每个数字(0–9)在字符串中最多出现4次,直接对每个数字调用 s.count('d') 是常见但低效的做法——它会导致字符串被遍历多达10次(每...
本文介绍如何从 DeepDiff 生成的嵌套路径字符串(如 root['prod1']['p_col']['c_col'])中自动提取多级字段名,并动态构建对应数量的列,实现灵活、可扩展的变更分析表格。 本文介绍如何从 deepdiff 生成的嵌套路径字符串(如 `root['prod1']['p_col']['c_col']`)中自动提取多级字段名,并动态构建对应数量的列,实现灵活、可扩展的变更...
Python 将字符串操作(如 lower()、upper())设计为实例方法而非独立函数,核心原因在于面向对象的设计原则——通过封装将行为与数据绑定,提升可读性、可维护性与语义清晰度;同时,这与 Python 的类型系统、命名空间管理及内置类型实现机制深度契合。 python 将字符串操作(如 `lower()`、`upper()`)设计为实例方法而非独立函数,核心原因在于面向对象的设计原则——...
本文介绍在Python中高效判断字符串是否包含列表中任一元素的多种方法,重点解析any()函数的正确用法与常见误区,并对比in操作符的适用场景。 本文介绍在python中高效判断字符串是否包含列表中任一元素的多种方法,重点解析`any()`函数的正确用法与常见误区,并对比`in`操作符的适用场景。 在Python开发中,一个常见需求是:判断某个字符串是否等于列表中的某一项(即“精确匹配”),而非检...
本文介绍在Python中高效判断字符串是否包含列表中任意元素的多种方法,重点纠正any()误用场景,并提供简洁、安全、可扩展的解决方案。 本文介绍在python中高效判断字符串是否包含列表中任意元素的多种方法,重点纠正`any()`误用场景,并提供简洁、安全、可扩展的解决方案。 在Python中,常见的需求是:给定一个字符串(如 password = "B")和一个字符/字符串列表(如 prac ...
本文介绍在python中判断列表中是否有元素(如字符或子串)出现在目标字符串中的正确方法,纠正常见误用,并提供简洁高效的代码示例。 本文介绍在python中判断列表中是否有元素(如字符或子串)出现在目标字符串中的正确方法,纠正常见误用,并提供简洁高效的代码示例。 在Python中,判断“列表中某个元素是否存在于字符串中”是一个高频需求,但初学者常因混淆操作对象而写出无效代码。例如,原问题中尝试使用...
本文讲解如何正确使用 itertools.groupby 按字符串首字母对 pandas series 数据进行分组,重点解决未排序导致分组断裂、键对象不可读等问题,并提供更简洁、健壮的替代方案。 本文讲解如何正确使用 itertools.groupby 按字符串首字母对 pandas series 数据进行分组,重点解决未排序导致分组断裂、键对象不可读等问题,并提供更简洁、健壮的替代方案。 it...
本文详解如何正确使用 Python 的 itertools.groupby 按字符串首字母分组,强调必须先排序再分组,并提供简洁、可读、无冗余的实现方案。 本文详解如何正确使用 python 的 `itertools.groupby` 按字符串首字母分组,强调**必须先排序再分组**,并提供简洁、可读、无冗余的实现方案。 itertools.groupby 是一个高效但易被误用的工具:它仅对连续相...
字符串用+拼接在循环中极慢,因每次拼接都创建新字符串并复制全部内容,10000次导致O(n²)时间复杂度;推荐用"".join()或io.StringIO替代。 为什么字符串用 + 拼接在循环里特别慢 Python 中字符串是不可变对象,每次用 + 拼接都会创建一个新字符串,原字符串内容被完整复制。循环 10000 次拼接,就产生 10000 次内存分配和拷贝,时间复杂度接近 O(n²)。 常见错...