[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:
struct
Header
{
unsigned
short
id;
char
[4]
tag;
unsigned
int
version;
unsigned
int
count;
}
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:
import
struct
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:
import
struct
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。