使用Python進行二進位制檔案讀寫
總的感覺,python本身並沒有對二進位制進行支援,不過提供了一個模組來彌補,就是struct模組。
python沒有二進位制型別,但可以儲存二進位制型別的資料,就是用string字串型別來儲存二進位制資料,這也沒關係,因為string是以1個位元組為單位的。
import struct
a=12.34
#將a變為二進位制
bytes=struct.pack('i',a)
此時bytes就是一個string字串,字串按位元組同a的二進位制儲存內容相同。
再進行反操作
現有二進位制資料bytes,(其實就是字串),將它反過來轉換成python的資料型別:
a,=struct.unpack('i',bytes)
注意,unpack返回的是tuple
所以如果只有一個變數的話:
bytes=struct.pack('i',a)
那麼,解碼的時候需要這樣
a,=struct.unpack('i',bytes) 或者 (a,)=struct.unpack('i',bytes)
如果直接用a=struct.unpack('i',bytes),那麼 a=(12.34,) ,是一個tuple而不是原來的浮點數了。
如果是由多個數據構成的,可以這樣:
a='hello'
b='world!'
c=2
d=45.123
bytes=struct.pack('5s6sif',a,b,c,d)
此時的bytes就是二進位制形式的資料了,可以直接寫入檔案比如 binfile.write(bytes)
然後,當我們需要時可以再讀出來,bytes=binfile.read()
再通過struct.unpack()解碼成python變數
a,b,c,d=struct.unpack('5s6sif',bytes)
'5s6sif'這個叫做fmt,就是格式化字串,由數字加字元構成,5s表示佔5個字元的字串,2i,表示2個整數等等,下面是可用的字元及型別,ctype表示可以與python中的型別一一對應。
Format | C Type | Python | 位元組數 |
---|---|---|---|
x | pad byte | no value | 1 |
c | char | string of length 1 | 1 |
b | signed char | integer | 1 |
B | unsigned char | integer | 1 |
? | _Bool | bool | 1 |
h | short | integer | 2 |
H | unsigned short | integer | 2 |
i | int | integer | 4 |
I | unsigned int | integer or long | 4 |
l | long | integer | 4 |
L | unsigned long | long | 4 |
q | long long | long | 8 |
Q | unsigned long long | long | 8 |
f | float | float | 4 |
d | double | float | 8 |
s | char[] | string | 1 |
p | char[] | string | 1 |
P | void * | long |
最後一個可以用來表示指標型別的,佔4個位元組
為了同c中的結構體交換資料,還要考慮有的c或c++編譯器使用了位元組對齊,通常是以4個位元組為單位的32位系統,故而還提供了
Character | Byte order | Size and alignment |
---|---|---|
@ | native | native 湊夠4個位元組 |
= | native | standard 按原位元組數 |
< | little-endian | standard 按原位元組數 |
> | big-endian | standard 按原位元組數 |
! | network (= big-endian) | standard 按原位元組數 |
使用方法是放在fmt的第一個位置,就像'@5s6sif'
-----二進位制檔案處理時會碰到的問題-----
我們使用處理二進位制檔案時,需要用如下方法
binfile=open(filepath,'rb') 讀二進位制檔案
或
binfile=open(filepath,'wb') 寫二進位制檔案
那麼和binfile=open(filepath,'r')的結果到底有何不同呢?
不同之處有兩個地方:
第一,使用'r'的時候如果碰到'0x1A',就會視為檔案結束,這就是EOF。使用'rb'則不存在這個問題。即,如果你用二進位制寫入再用文字讀出的話,如果其中存在'0X1A',就只會讀出檔案的一部分。使用'rb'的時候會一直讀到檔案末尾。
第二,對於字串x='abc/ndef',我們可用len(x)得到它的長度為7,/n我們稱之為換行符,實際上是 '0X0A'。當我們用'w' 即文字方式寫的時候,在windows平臺上會自動將'0X0A'變成兩個字元'0X0D','0X0A',即檔案長度實際上變成8.。當用'r'文字方式讀取時,又自動的轉換成原來的換行符。如果換成'wb'二進位制方式來寫的話,則會保持一個字元不變,讀取時也是原樣讀取。所以如果用文字方式寫入,用二進位制方式讀取的話,就要考慮這多出的一個位元組了。'0X0D'又稱回車符。
linux下不會變。因為linux只使用'0X0A'來表示換行。