使用Python進行二進位檔案讀寫

總的感覺，python本身並沒有對二進位進行支援，不過提供了一個模組來彌補，就是struct模組。

python沒有二進位類型，但可以儲存二進位類型的資料，就是用string字串類型來儲存位元據，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

bytes=struct.pack('i',a)

 

此時bytes就是一個string字串，字串按位元組同a的二進位儲存內容相同。

再進行反操作

 

現有位元據bytes，（其實就是字串），將它反過來轉換成python的資料類型：

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。

如果是由多個資料構成的，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類型，ctype表示可以與python中的類型一一對應。

 

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類型的，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'

-----二進位檔案處理時會碰到的問題-----

我們使用處理二進位檔案時，需要用如下方法

binfile=open(filepath,'rb')    讀二進位檔案
或
binfile=open(filepath,'wb')    寫二進位檔案

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，如果你用二進位寫入再用文本讀出的話，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我們稱之為分行符號，實際上是 '0X0A'。當我們用'w' 即文本方式寫的時候，在windows平台上會自動將'0X0A'變成兩個字元'0X0D'，'0X0A'，即檔案長度實際上變成8.。當用'r'文本方式讀取時，又自動的轉換成原來的分行符號。如果換成'wb'二進位方式來寫的話，則會保持一個字元不變，讀取時也是原樣讀取。所以如果用文本方式寫入，用二進位方式讀取的話，就要考慮這多出的一個位元組了。'0X0D'又稱斷行符號符。
linux下不會變。因為linux只使用'0X0A'來表示換行。