[轉]Python使用struct處理二進制(pack和unpack用法)

[轉]Python使用struct處理二進制(pack和unpack用法)

這篇文章寫的很好，所以無恥的轉了。。

有的時候需要用Python處理二進制數據，比如，存取文件，socket操作時.這時候，可以使用python的struct模塊來完成.可以用 struct來處理c語言中的結構體.

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

#  按照給定的格式(fmt)，把數據封裝成字符串(實際上是類似於c結構體的字節流)

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

unpack(fmt, string)      

 

# 計算給定的格式(fmt)佔用多少字節的內存

calcsize(fmt)

上述fmt中，支持的格式爲：

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表示長度爲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.最後一個可以用來表示指針類型的，佔4個字節

爲了同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個字節爲單位的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：

使用方法是放在fmt的第一個位置，就像’@5s6sif’

例子1：

結構體如下：

structHeader

{

    unsignedshortid;

    char[4] tag;

    unsignedintversion;

    unsignedintcount;

}

通過socket.recv接收到了一個上面的結構體數據，存在字符串s中，現在需要把它解析出來，可以使用unpack()函數：

importstruct

id,

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

上面的格式字符串中，!表示我們要使用網絡字節順序解析，因爲我們的數據是從網絡中接收到的，在網絡上傳送的時候它是網絡字節順序的.後面的H表示 一個unsigned short的id,4s表示4字節長的字符串，2I表示有兩個unsigned int類型的數據.

就通過一個unpack，現在id, tag, version, count裏已經保存好我們的信息了.

同樣，也可以很方便的把本地數據再pack成struct格式：

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




pack函數就把id, tag, version, count按照指定的格式轉換成了結構體Header，ss現在是一個字符串(實際上是類似於c結構體的字節流)，可以通過 socket.send(ss)把這個字符串發送出去。




例子2：

importstruct

 

a=12.34

 

# 將a變爲二進制

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




此時bytes就是一個string字符串，字符串按字節同a的二進制存儲內容相同。

再進行反操作，現有二進制數據bytes，（其實就是字符串），將它反過來轉換成python的數據類型：

# 注意，unpack返回的是tuple !!

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




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就是二進制形式的數據了，可以直接寫入文件比如 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變量：

a,b,c,d=struct.unpack('5s6sif',bytes)




’5s6sif’這個叫做fmt，就是格式化字符串，由數字加字符構成，5s表示佔5個字符的字符串，2i，表示2個整數等等，下面是可用的字符及類型，ctype表示可以與python中的類型一一對應。

注意：二進制文件處理時會碰到的問題

我們使用處理二進制文件時，需要用如下方法：

binfile=open(filepath,'rb')    #讀二進制文件

 

binfile=open(filepath,'wb')   #寫二進制文件




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’，就會視爲文件結束，這就是EOF。使用’rb’則不存在這個問題。即，如果你用二進制寫入再用文本讀出的話，如果其中存在’0X1A’，就只會讀出文件的一部分。使用’rb’的時候會一直讀到文件末尾。

第二，對於字符串x=’abc\ndef’，我們可用len(x)得到它的長度爲7，\n我們稱之爲換行符，實際上是’0X0A’。當我們用’w'即文本方式寫的時候，在windows平臺上會自動將’0X0A’變成兩個字符’0X0D’，’0X0A’，即文件長度實際上變成8.。當用’r'文本方式讀取時，又自動的轉換成原來的換行符。如果換成’wb’二進制方式來寫的話，則會保持一個字符不變，讀取時也是原樣讀取。所以如果用文本方式寫入，用二進制方式讀取的話，就要考慮這多出的一個字節了。’0X0D’又稱回車符。linux下不會變。因爲linux只使用’0X0A’來表示換行。