Python解析Socket数据流异常bytes问题 -- 2019-03-12
python在通过socket发送数据时，英文字符转义后为原来本身的字符，占一个字节（如：s转移后为s），而中文字符在转义后需要二个字节来标识一个中文字符（如：钟转义后为\x92\x9f）。在发送端是不存在问题的，而发生问题的主要是在socket客户端。因为客户端在接受数据流时，每次接受都是有字节限制，就会出现一个中文字符分两次接受，从而导致每次接受的流在转义成字符时报错UnicodeDecodeError。
当前有数据流：
bmsg = b'\xe5\x88\x86\n\xe9\x92\x9f' # 分\n钟
正常接受并转义为：
smsg = str(bmsg, 'utf-8') #方式一 或 smsg = bmsg.decode() # 方式二 第一参数默认utf8，第二参数默认strict，还有 ignore （忽略）、 replace （替代=?）
如果现在接受到的数据流为
bmsg = b'\xe5\x88\x86\n\xe9\x92' # \x9f 作为下次接受
如何避免程序的异常退出，有两种处理方式：
1）、数据丢失处理
此时，如果再用正常接受方式转义bytes流，就会出现 UnicodeDecodeError 异常，为使不报异常，我们在转义时，通过方式二，指定第二个参数为 ignore，如下：
smsg = bmsg.decode('utf-8', 'ignore') # 输出： 分\n ，如果为 replace 则 \n 后为 ?
2）、 数据流拆分，再处理
一般socket服务端在发送数据时，每个数据流是完整的，并会以特定的字符（如：\n）结束一并发送。根据这种现状，我们在每次接受数据时，根据这个特定字符拆分（split）为一个保存单个数据流的列表。列表的第一个流可能为不完整，把它和上次接受的流合并为一个完整的数据流并转义；中间为可以正常转义的数据流；最后一个流也为不完整，保存下来，用来拼接下次接受的流，并重复上述操作，这样保障了程序不会异常退出，也保障数据的完整性。大致代码如下：
数据接受情况： 第一次接受 msg1 = b'\xe5\x88\x86\n\xe9' ； # 钟 被拆分成 \xe9 和 \x92\x9f
第二次接受 msg2 = b'\x92\x9f_stone\n'
init_msg = b'' # 初始化流 while True: msg = soc.recv(128) # 接受数据 init_msg += msg msg_arr = init_msg.split(b'\n') # 注意此处的 b'\n' ，因为被拆分的为bytes串，所以也要用bytes串来拆分 init_msg += msg_arr[-1] msg_arr.remove(msg_arr[-1]) for i in range(len(msg_arr)): string = msg_arr[i].decode('utf-8') print(string)
