Python 3 - 如果字符串仅包含 ASCII，它是否等于字节字符串？

考虑 Python 3 SMTPD - 接收到的数据包含在字符串中。http://docs.python.org/3.4/library/smtpd.html http://docs.python.org/3.4/library/smtpd.htmlquote：“数据是包含电子邮件内容的字符串”

事实（正确吗？）：

• Python 3 中的字符串是 Unicode。
• 电子邮件始终为 ASCII。
• 纯 ASCII 是有效的 Unicode。

因此，传入的电子邮件是纯 ASCII（这是有效的 Unicode），因此 SMTPD DATA 字符串与 SMPTD 接收到的原始字节完全相同。它是否正确？

因此，我的问题是，如果我将 SMTPD DATA 字符串解码为 ASCII，或将 DATA 字符串转换为字节，这是否相当于通过 SMTP 到达的实际电子邮件消息的字节？

上下文（也许是一个更好的问题）是“如何将 Python 3 的 SMTPD 数据准确地保存到文件中接收到的字节？”我担心的是，当 DATA 通过字符串到字节转换时，它会以某种方式从通过 SMTP 到达的原始字节发生变化。

编辑：Python 开发人员似乎认为 SMTPD 无论如何都应该返回二进制数据。好像还没修好...http://bugs.python.org/issue19662 http://bugs.python.org/issue19662

如果一个字符串只包含 ASCII，它是否等于该字符串的字节数？

不，它在 Python 3 中是不相等的：

>>> '1' == b'1'
False

bytes对象不等于str(Unicode string) 对象，与整数不等于字符串的方式类似：

>>> '1' == 1
False

在某些编程语言中，上述比较是正确的，例如在 Python 2 中：

>>> b'1' == u'1'
True

and 1 == '1'在 Perl 中：

$ perl -e "print qq(True\n) if 1 == q(1)"
True

你的问题很好地说明了为什么stricterPython 3 的行为更可取。它迫使程序员面对他们的文本/字节误解，而不必等待他们的代码因某些输入而中断。

• Python 3 中的字符串是 Unicode。

yes. 字符串是 Unicode 代码点的不可变序列 http://docs.python.org/3/library/stdtypes.html#textseq在Python 3中。

• 电子邮件始终为 ASCII。

大多数电子邮件作为 7 位消息传输（ASCII 范围：十六进制00-7F）。尽管“几乎所有现代电子邮件服务器都是 8 位干净的。” http://en.wikipedia.org/wiki/8-bit_clean即，8 位内容不会被损坏。和8BITMIME 扩展 https://www.rfc-editor.org/rfc/rfc6152制裁某些 8 位内容的传递。

换句话说：电子邮件是not始终为 ASCII.

• 纯 ASCII 是有效的 Unicode。

ASCII 是一种字符编码。你可以decode some使用 US-ASCII 字符编码将字节序列转换为 Unicode。 Unicode 字符串没有关联的字符编码，即，您可以encode使用可以表示相应 Unicode 代码点的任何字符编码将它们转换为字节。

因此，传入的电子邮件是纯 ASCII（这是有效的 Unicode），因此 SMTPD DATA 字符串与 SMPTD 接收到的原始字节完全相同。它是否正确？

如果输入在 ascii 范围内，则data.decode('ascii', 'strict').encode('ascii') == data。 尽管库/smtpd.py http://hg.python.org/cpython/file/3.3/Lib/smtpd.py#l329对输入数据进行一些转换（根据RFC 5321）因此您得到的内容为data即使输入是纯 ASCII，也可能会有所不同。

“如何将 Python 3 的 SMTPD 数据准确地保存到文件中接收到的字节？”

我的目标不是找到格式错误的电子邮件，而是将入站电子邮件以它们到达的二进制/字节形式精确保存到磁盘。

您链接的错误（smtpd.py 不应解码 utf-8 http://bugs.python.org/issue19662) 使 smptd.py 非 8 位干净。

你可以覆盖SMTPChannel.collect_incoming_data方法来自smtpd.py http://hg.python.org/cpython/file/3.3/Lib/smtpd.py#l278按原样保存传入字节。

“ASCII 文本字符串也是有效的 UTF-8 文本。” http://docs.python.org/3.3/howto/unicode.html#encodings

是真的。这是 UTF-8 编码的一个很好的特性。如果您可以使用 US-ASCII 字符编码将字节序列解码为 Unicode，那么您也可以使用 UTF-8 字符编码将字节解码（并且在两种情况下生成的 Unicode 代码点相同）。

smptd.py应该使用过latin1（它解码任何字节序列）或ascii（使用“严格”错误处理程序在任何非 ASCII 字节上失败）而不是utf-8（它允许一些非 ASCII 字节——不好）。

记住：

• 某些电子邮件的字节可能超出 ASCII 范围
• 根据 RFC 5321 的去透明性不会按原样保留输入字节，即使它们都在 ascii 范围内