python处理二进制数据

python处理二进制数据

分类：
Python 2011-09-01 14:01
567人阅读 评论(0)
收藏
举报

有的时候需要用python处理二进制数据，比如，存取文件，socket操作时.这时候，可以使用python的struct模块来完成.可以用struct来处理c语言中的结构体.

struct模块中最重要的三个函数是pack(), unpack(), calcsize()

pack(fmt, v1, v2, ...)    按照给定的格式(fmt)，把数据封装成字符串(实际上是类似于c结构体的字节流)

unpack(fmt, string)       按照给定的格式(fmt)解析字节流string，返回解析出来的tuple

calcsize(fmt)             计算给定的格式(fmt)占用多少字节的内存

struct中支持的格式如下表：

> 格式	c类型	python类型
> x	char	无(表示填充字节)
> c	char	长度为1的字符串
> b	signed char	integer
> B	unsigned char	integer
> h	short	integer
> H	unsigned short	integer
> i	int	integer
> I	unsigned int	long
> l	long	integer
> L	unsigned long	long
> q	long long	long
> Q	unsigned long long	long
> f	float	float
> d	double	float
> s	char[]	string
> p	char[]	string
> P	void*	integer

注1.q和Q只在机器支持64位操作时有意思

注2.每个格式前可以有一个数字，表示个数

注3.s格式表示一定长度的字符串，4s表示长度为4的字符串，但是p表示的是pascal字符串

注4.P用来转换一个指针，其长度和机器字长相关

默认情况下struct根据本地机器字节顺序转换.不过可以用格式中的第一个字符来改变对齐方式.定义如下：

> 字符	字节顺序	长度和对齐方式
> @	native	native
> =	native	standard
> <	little-endian	standard
> >	big-endian	standard
> !	network (= big-endian)	standard

有了struct，我们就可以很容易操作二进制数据了.

比如有一个结构体:

struct Header

{

unsigned short id;

char[4] tag;

unsigned int version;

unsigned int count;

}

通过socket.recv接收到了一个上面的结构体数据，存在字符串s中，现在需要把它解析出来，可以使用unpack()函数.

import struct

id, tag, version, count = struct.unpack("!H4s2I", s)

上面的格式字符串中，!表示我们要使用网络字节顺序解析，因为我们的数据是从网络中接收到的，在网络上传送的时候它是网络字节顺序的.后面的H表示一个unsigned short的id,4s表示4字节长的字符串，2I表示有两个unsigned int类型的数据.

就通过一个unpack，现在id, tag, version, count里已经保存好我们的信息了.

同样，也可以很方便的把本地数据再pack成struct格式.

ss = struct.pack("!H4s2I", id, tag, version, count);

pack函数就把id, tag, version, count按照指定的格式转换成了结构体Header，ss现在是一个字符串(实际上是类似于c结构体的字节流)，可以通过socket.send(ss)把这个字符串发送出去.

点击(此处)折叠或打开

#!/usr/env/env python

#-*- coding: cp936
-*-

'''''

add Head Infomation for pcm file

'''

import sys

import struct

import os

__author__ = 'bob_hu, hewitt924@gmail.com'

__date__ = 'Dec 19,2011'

__update__ = 'Dec 19,2011'

def geneHeadInfo(sampleRate,bits,sampleNum):

'''''

生成头信息，需要采样率，每个采样的位数，和整个wav的采样的字节数

'''

rHeadInfo =
'\x52\x49\x46\x46'

fileLength = struct.pack('i',sampleNum
+ 36)

rHeadInfo += fileLength

rHeadInfo +=
'\x57\x41\x56\x45\x66\x6D\x74\x20\x10\x00\x00\x00\x01\x00\x01\x00'

rHeadInfo += struct.pack('i',sampleRate)

rHeadInfo += struct.pack('i',sampleRate
* bits / 8)

rHeadInfo +=
'\x02\x00'

rHeadInfo += struct.pack('H',bits)

rHeadInfo +=
'\x64\x61\x74\x61'

rHeadInfo += struct.pack('i',sampleNum)

return rHeadInfo

if __name__
==
'__main__':

if len(sys.argv)
!= 5:

print
"usage: python %s inFile sampleRate bits outFile"
% sys.argv[0]

sys.exit(1)

fout = open(sys.argv[4],'wb')
#用二进制的写入模式

#fout.write(struct.pack('4s','\x66\x6D\x74\x20'))
#写入一个长度为4的串，这个串的二进制内容为 66 6D 74 20

#Riff_flag,afd,fad,afdd,
= struct.unpack('4c',fin.read(4))
#读入四个字节，每一个都解析成一个字母

#open(sys.argv[4],'wb').write(struct.pack('4s','fmt
')) #将字符串解析成二进制后再写入

#open(sys.argv[4],'wb').write('\x3C\x9C\x00\x00\x57')
#直接写入二进制内容：3C 9C 00 00 57

#fout.write(struct.pack('i',6000))
#写入6000的二进制形式

#check whether inFile has head-Info

fin = open(sys.argv[1],'rb')

Riff_flag,
= struct.unpack('4s',fin.read(4))

if Riff_flag
== 'RIFF':

print
"%s 有头信息" % sys.argv[1]

fin.close()

sys.exit(0)

else:

print
"%s 没有头信息" % sys.argv[1]

fin.close()

#采样率

sampleRate = int(sys.argv[2])

#bit位

bits = int(sys.argv[3])

fin = open(sys.argv[1],'rb')

startPos = fin.tell()

fin.seek(0,os.SEEK_END)

endPos = fin.tell()

sampleNum =
(endPos - startPos)

print sampleNum

headInfo = geneHeadInfo(sampleRate,bits,sampleNum)

fout.write(headInfo)

fin.seek(os.SEEK_SET)

fout.write(fin.read())

fin.close()

fout.close()

总的感觉，python本身并没有对二进制进行支持，不过提供了一个模块来弥补，就是struct模块。

python没有二进制类型，但可以存储二进制类型的数据，就是用string字符串类型来存储二进制数据，这也没关系，因为string是以1个字节为单位的。

import struct

a=12.34

bytes=struct.pack(’i',a) #将a变为二进制

此时bytes就是一个string字符串，字符串按字节同a的二进制存储内容相同。

现有二进制数据bytes（其实就是字符串），将它反过来转换成python的数据类型：

a,=struct.unpack(’i',bytes) #注意，unpack返回的是tuple

所以如果只有一个变量的话：

bytes=struct.pack(’i',a)

那么，解码的时候需要这样

a,=struct.unpack(’i',bytes) 或者 (a,)=struct.unpack(’i',bytes)

如果直接用a=struct.unpack(’i',bytes)，那么 a=(12.34,) ，是一个tuple而不是原来的浮点数了。

如果是由多个数据构成的，可以这样：

a=’hello’

b=’world!’

c=2

d=45.123

bytes=struct.pack(’5s6sif’,a,b,c,d)

此时的bytes就是二进制形式的数据了，可以直接写入文件比如 binfile.write(bytes)

然后，当我们需要时可以再读出来，bytes=binfile.read()

再通过struct.unpack()解码成python变量

a,b,c,d=struct.unpack(’5s6sif’,bytes)

‘5s6sif’这个叫做fmt，就是格式化字符串，由数字加字符构成，5s表示占5个字符的字符串，2i，表示2个整数等等，下面是可用的字符及类型，ctype表示可以与python中的类型一一对应。

Format	C Type	Python	字节数
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	integer	4
q	long long	integer	8
Q	unsigned long long	integer	8
f	float	float	4
d	double	float	8
s	char[]	string	1
p	char[]	string	1
P	void *	long	4

最后一个可以用来表示指针类型的，占4个字节

为了同c中的结构体交换数据，还要考虑有的c或c++编译器使用了字节对齐，通常是以4个字节为单位的32位系统，故而还提供了

Character	Byte order	Size and alignment
@	native	native 凑够4个字节
=	native	standard 按原字节数
<	little-endian	standard 按原字节数
>	big-endian	standard 按原字节数
!	network (= big-endian)	standard 按原字节数

使用方法是放在fmt的第一个位置，就像’@5s6sif’

二进制文件处理时会碰到的问题

我们使用处理二进制文件时，需要用如下方法

binfile=open(filepath,’rb’) #读二进制文件

binfile=open(filepath,’wb’) #写二进制文件

那么和binfile=open(filepath,’r')的结果到底有何不同呢？不同之处有两个地方：

第一，使用’r'的时候如果碰到’0×1A’，就会视为文件结束，这就是EOF。使用’rb’则不存在这个问题。即，如果你用二进制写入再用文本读出的话，如果其中存在’0X1A’，就只会读出文件的一部分。使用’rb’的时候会一直读到文件末尾。

第二，对于字符串x=’abc\ndef’，我们可用len(x)得到它的长度为7，\n我们称之为换行符，实际上是’0X0A’。当我们用’w'即文本方式写的时候，在windows平台上会自动将’0X0A’变成两个字符’0X0D’，’0X0A’，即文件长度实际上变成8.。当用’r'文本方式读取时，又自动的转换成原来的换行符。如果换成’wb’二进制方式来写的话，则会保持一个字符不变，读取时也是原样读取。所以如果用文本方式写入，用二进制方式读取的话，就要考虑这多出的一个字节了。’0X0D’又称回车符。

linux下不会变。因为linux只使用’0X0A’来表示换行。



关于 LE little-endian 和 BE big-endian
〖LE little-endian〗

最符合人的思维的字节序，地址低位存储值的低位，地址高位存储值的高位，怎么讲是最符合人的思维的字节序，是因为从人的第一观感来说低位值小，就应该放在内存地址小的地方，也即内存地址低位反之，高位值就应该放在内存地址大的地方，也即内存地址高位。

〖BE big-endian〗

最直观的字节序，地址低位存储值的高位，地址高位存储值的低位，为什么说直观，不要考虑对应关系，只需要把内存地址从左到右按照由低到高的顺序写出，把值按照通常的高位到低位的顺序写出 两者对照，一个字节一个字节的填充进去。

例子：在内存中双字0×01020304的存储方式

LE 04 03 02 01

BE 01 02 03 04