单片机与物联网 / 系统课时
区分文本发送与原始字节
区分文本发送与原始字节
串口本身只传输字节,不理解“字符”“字符串”或“十六进制”这些概念。明确编码后的实际字节是什么,才能正确分析协议报文、定位长度字段并避免把显示形式误认为线上的数据。
学习目标
- 区分字符、ASCII、UTF-8 与原始字节
- 用十六进制视角确认实际发送内容
- 判断什么时候应该直接构造
bytes
串口线上真正发送的是什么
假设程序发送字符串 ABC,它必须先编码成字节后才能写入串口。ASCII 和 UTF-8 对这三个字符都得到相同的三个字节:41 42 43。
但中文字符通常不是一个字节。例如 你 使用 UTF-8 编码后占用 3 个字节。因此“字符数量”和“发送字节数”可能完全不同,协议里的长度字段应根据协议定义判断是字符数还是字节数。
十六进制只是字节的一种显示方式。0x41、十进制 65 和 ASCII 字符 A 描述的是同一个字节值,但在程序和协议分析中承担的语义不同。
对照 ASCII、UTF-8 和原始字节
下面代码直接打印不同表达方式对应的字节内容。它不依赖串口设备,先把编码问题确认清楚,再把结果交给串口发送函数。
ascii_text = "ABC"
utf8_text = "你"
raw_data = bytes.fromhex("55 AA 01 02")
ascii_bytes = ascii_text.encode("ascii")
utf8_bytes = utf8_text.encode("utf-8")
print("ASCII:", ascii_bytes.hex(" ").upper(), "length=", len(ascii_bytes))
print("UTF-8:", utf8_bytes.hex(" ").upper(), "length=", len(utf8_bytes))
print("RAW:", raw_data.hex(" ").upper(), "length=", len(raw_data))预期结果
ASCII: 41 42 43 length= 3
UTF-8: E4 BD A0 length= 3
RAW: 55 AA 01 02 length= 4输出中的 length 是字节长度,不是字符数量。你 只有一个字符,但它的 UTF-8 编码由 3 个字节组成。
文本模式和原始模式怎么选
如果设备协议明确要求发送可读文本,例如命令 AT+RST,可以先构造字符串,再明确选择 ASCII 或 UTF-8 编码,必要时追加协议规定的 \r 或 \n。
如果协议定义了固定帧头、命令码、长度、校验和等字段,则应直接以 bytes 构造报文。此时 55 AA 01 02 是四个字节,而不是一串需要发送的字符 5、5、空格、A、A……。
| 写法 | 实际含义 | 适合场景 |
|---|---|---|
"ABC" |
字符串,还没有确定编码 | 应用层文本处理 |
"ABC".encode("ascii") |
41 42 43 三个字节 |
ASCII 文本协议 |
"你".encode("utf-8") |
E4 BD A0 三个字节 |
UTF-8 文本协议 |
bytes.fromhex("55 AA 01 02") |
四个原始字节 | 二进制设备协议 |
最容易出现的误判
第一种误判是把 55 AA 01 02 当成 11 个要发送的字符。正确做法取决于协议:如果目标是四个字节,就必须构造原始 bytes。
第二种误判是用 len(text) 直接作为协议长度。对于 UTF-8 文本,这个值是字符数量而不是编码后的字节数;如果协议长度字段定义为字节数,应使用 len(encoded_bytes)。
第三种误判是看到串口工具显示 55 AA 01 02,就认为设备一定收到相同内容。应切换到十六进制显示或抓取原始字节进行确认,因为文本显示模式可能改变你对数据的理解。
真正进入二进制协议开发后,建议始终把发送数据先表示成明确的 bytes,再打印一次十六进制结果。这样可以把“编码问题”和“串口链路问题”分开验证。