Python中對字節流/二進制流的操作:struct

前言

前段時間使用Python解析IDX文件格式的MNIST數據集，需要對二進制文件進行讀取操作，其中我使用的是struct模塊。查了網上挺多教程都寫的挺好的，不過對新手不是很友好，所以我重新整理了一些筆記以供快速上手。

注：教程中以下四個名詞同義：二進制流、二進制數組、字節流、字節數組

在struct模塊中，將一個整型數字、浮點型數字或字符流（字符數組）轉換為字節流（字節數組）時，需要使用格式化字符串fmt告訴struct模塊被轉換的對象是什么類型，比如整型數字是'i'，浮點型數字是'f'，一個ascii碼字符是's'。

def demo1(): # 使用bin_buf = struct.pack(fmt, buf)將buf為二進制數組bin_buf # 使用buf = struct.unpack(fmt, bin_buf)將bin_buf二進制數組反轉換回buf # 整型數 -> 二進制流 buf1 = 256 bin_buf1 = struct.pack('i', buf1) # 'i'代表'integer' ret1 = struct.unpack('i', bin_buf1) print bin_buf1, ' <====> ', ret1 # 浮點數 -> 二進制流 buf2 = 3.1415 bin_buf2 = struct.pack('d', buf2) # 'd'代表'double' ret2 = struct.unpack('d', bin_buf2) print bin_buf2, ' <====> ', ret2 # 字符串 -> 二進制流 buf3 = 'Hello World' bin_buf3 = struct.pack('11s', buf3) # '11s'代表長度為11的'string'字符數組 ret3 = struct.unpack('11s', bin_buf3) print bin_buf3, ' <====> ', ret3 # 結構體 -> 二進制流 # 假設有一個結構體 # struct header { # int buf1; # double buf2; # char buf3[11]; # } bin_buf_all = struct.pack('id11s', buf1, buf2, buf3) ret_all = struct.unpack('id11s', bin_buf_all) print bin_buf_all, ' <====> ', ret_all

輸出結果如下：

demo1輸出結果

詳解struct模塊

主要函數

struct模塊中最重要的三個函數是pack(), unpack(), calcsize()

# 按照給定的格式化字符串，把數據封裝成字符串(實際上是類似於c結構體的字節流) string = struct.pack(fmt, v1, v2, ...) # 按照給定的格式(fmt)解析字節流string，返回解析出來的tuple tuple = unpack(fmt, string) # 計算給定的格式(fmt)占用多少字節的內存 offset = calcsize(fmt)

struct中的格式化字符串

struct中支持的格式如下表：

Format	C Type	Python	字節數
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 lon	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

注1：q和Q只在機器支持64位操作時有意思
注2：每個格式前可以有一個數字，表示個數
注3：s格式表示一定長度的字符串，4s表示長度為4的字符串，但是p表示的是pascal字符串
注4：P用來轉換一個指針，其長度和機器字長相關
注5：最后一個可以用來表示指針類型的，占4個字節

為了同c中的結構體交換數據，還要考慮有的c或c++編譯器使用了字節對齊，通常是以4個字節為單位的32位系統，故而struct根據本地機器字節順序轉換.可以用格式中的第一個字符來改變對齊方式.定義如下：

Character	Byte order	Size and alignment
@	native	native 湊夠4個字節
=	native	standard 按原字節數
<	little-endian	standard 按原字節數
>	big-endian	standard 按原字節數
!	network (= big-endian)	standard 按原字節數

使用方法是放在fmt的第一個位置，就像'@5s6sif'