O método encode
retorna uma instância de bytes
. E um objeto do tipo bytes
, segundo a documentação é uma sequência de números, cujos valores estão no intervalo entre 0 e 255.
E um número não "está" em um formato específico, ou em determinada base. É claro que no fim das contas, tudo acaba virando um monte de bytes, mas a forma como esses bytes são interpretados e exibidos varia conforme a situação.
O número 97, por exemplo, pode ser interpretado como a letra "a" (se considerarmos a tabela ASCII), ou como o próprio valor numérico 97 (que por sua vez pode ser escrito como 61
em hexadecimal, ou 01100001
em binário, ou 141
em octal, ou 97.0
, 00097
, 97,00
, etc). Ou ele ainda poderia ser um código específico que varia conforme o contexto (por exemplo, poderia representar o código de uma cor em RGB). Ou seja, os bits seriam os mesmos, mas a forma como eles são exibidos pode variar.
No caso específico de um objeto bytes
, ao ser impresso, os valores que correspondem a caracteres ASCII imprimíveis são mostrados como os próprios caracteres, e outros valores são mostrados em hexadecimal, com o prefixo \x
. Essa foi a escolha da linguagem para exibir os valores quando estes fazem parte de um objeto bytes
.
Se você quer outro formato, terá que formatar você mesmo. Duas opções são usar f-string (a partir do Python 3.6) ou bin
. Exemplo:
for b in "café".encode("latin-1"):
print(f'{b:08b} {bin(b)}')
A diferença é que bin
coloca o prefixo 0b
e não preenche com zeros à esquerda. A saída para o código acima será:
01100011 0b1100011
01100001 0b1100001
01100110 0b1100110
11101001 0b11101001
Claro que uma vez escolhida a maneira de formatar, você pode construir a string da forma que bem entender. Por exemplo:
# 01100011 01100001 01100110 11101001
print(' '.join(f'{b:08b}' for b in "café".encode("latin-1")))
Para versões anteriores a 3.6 você pode usar '{:08b}'.format(b)
no lugar de f'{b:08b}'
.
Outra opção, se quiser tudo junto, é converter o objeto bytes
para hexadecimal (usando o método hex
), depois converter para int
e por fim passar esse número para bin
:
# 1100011011000010110011011101001
print(bin(int("café".encode("latin-1").hex(), 16))[2:])
E ainda usei o slice [2:]
para remover o prefixo 0b
. Mas creio que unir tudo com join
me parece mais simples do que converter para hexadecimal, para depois converter para int
, para depois converter para binário.
Já para converter para hexadecimal, bastaria trocar a formatação, ou então usar hex
diretamente:
encoded = "café".encode("latin-1")
print(encoded.hex()) # 636166e9
# a partir do Python 3.8, você pode escolher o separador
print(encoded.hex(' ')) # 63 61 66 e9
print(encoded.hex('-')) # 63-61-66-e9
# para versões anteriores a 3.8, você pode usar join para ter o separador
print('-'.join(f'{b:02x}' for b in encoded)) # 63-61-66-e9
print('-'.join(f'{b:02X}' for b in encoded)) # 63-61-66-E9
A diferença é que hex
sempre coloca os dígitos de a
a f
como letras minúsculas, enquanto que usando f-string você pode escolher tanto minúsculas quanto maiúsculas (usando o formato x
ou X
). Leia a documentação para saber mais sobre as opções de formatação.
Por fim, vale lembrar que sempre é possível pegar o valor de cada byte individualmente, obtendo o seu respectivo valor numérico:
encoded = "café".encode("latin-1")
print(encoded[1]) # 97
print(type(encoded[1])) # <class 'int'>
E uma vez tendo esse número, você pode formatá-lo como quiser (usando f-string, por exemplo).
E repare como o número exibido individualmente é mostrado como o valor numérico 97
, não mais como o caractere ASCII a
, o que mostra que de fato o tipo muda a forma como o byte é interpretado e exibido. O fato deste valor estar dentro de um objeto bytes
não faz com que ele "fique na base 2", por isso ele não satisfez a sua expectativa de que ele fosse exibido em binário.
unicodedata
normatizado pelo padrão Unicode.