最近項目有個需求，需要對二進制文件讀取內(nèi)容，操作讀取到的字節(jié)流數(shù)據(jù)，主要是查找與切片獲取內(nèi)容。這要求有兩個標(biāo)志，一個開始，一個結(jié)束，獲取中間的內(nèi)容。

Python 的 bytes 內(nèi)置了一些方法，但是卻不完美。在調(diào)查后，了解到 bitstring 這個第三方包，在對字節(jié)流數(shù)據(jù)的處理上，似乎更合適。

bytes

bytes：一種字符序列的類型。通過比較 dir(str) 與 dir(bytes) 可知，兩者的屬性與方法很相似，只有少數(shù)幾個不同。所以 bytes 也是可以像 string 一樣，對字節(jié)序列有各種操作方法，如查找（find），求長度（len），切割（split），切片等。

bytes 的優(yōu)點是：Python 內(nèi)置的方法，不需要的額外的安裝三方模塊。

但缺點也很明顯：只能單個查詢，不能一次查詢多個需要的結(jié)果。

首先通過 open 的 rb 模式打開文件，讀取內(nèi)容為 bytes 類型。查找特定字符串有 find() 方法，但是此方法只能找到第一個符合要求的字符串索引，并且給出的不是單個位的索引，而是 8 位一個字節(jié)的索引。當(dāng)需要查找多個符合的字符串，卻沒有內(nèi)置的 findall() 方法。如果要查詢多個，過程會麻煩，首先查到第一個符合的索引 1，以此索引 1 為開始，查詢第二個符合的索引 2，以此類推，直到查詢結(jié)束。

with open(path, 'rb') as f:
    datas = f.read()
    start_char = datas.find(b'Start')
    # start_char2 = datas.find(b'Start', start_char)
    end_char = datas.find(b'End', start_char)
    # end_char2 = datas.find(b'End', start_char2)
    data = datas[start_char:end_char]
    print(data)

注意上述代碼，start_char 和 end_char 會出現(xiàn)多次，次數(shù)并不一定會一樣，需要獲取兩個索引之間的內(nèi)容，但是既無法循環(huán)，也不能一次查完。需要多次執(zhí)行已注釋的那行代碼，獲取關(guān)鍵字索引。由于不知道文件數(shù)據(jù)中會有多少個開始標(biāo)志，也就不知道執(zhí)行多少次，這應(yīng)該采用循環(huán)解決，但似乎沒有可供循環(huán)的變量。這使得問題更加復(fù)雜。

其次，由于是獲取兩個標(biāo)志之間的內(nèi)容，所以，以上過程需要執(zhí)行兩遍。因此過程更顯得繁雜無比。

因此，尋找新的方法，是完全必要的。

bitstring

bitstring 是一個三方包，以字節(jié)流形式讀取二進制文件。

bitstring.py 文件的第一句話是：This package defines classes that simplify bit-wise creation, manipulation and interpretation of data.

翻譯如下：這個包定義的類簡化了數(shù)據(jù)的逐位創(chuàng)建、操作和解釋。

簡單理解就是，直接操作 bytes 類型的數(shù)據(jù)。

有主要的四個類，如下：

Bits -- An immutable container for binary data.
BitArray -- A mutable container for binary data.
ConstBitStream -- An immutable container with streaming methods.
BitStream -- A mutable container with streaming methods.

Bits -- 二進制數(shù)據(jù)的不可變?nèi)萜鳌?br />BitArray -- 二進制數(shù)據(jù)的可變?nèi)萜鳌?br />ConstBitStream -- 具有流方法的不可變?nèi)萜鳌?br />BitStream -- 具有流方法的可變?nèi)萜鳌?/p>

像 bytes 一樣，首先讀取文件內(nèi)容，查找關(guān)鍵字索引，切片獲取數(shù)據(jù)內(nèi)容。

# update at 2022/05/06 start
# from bistring import ConstBitStream, BitStream
from bitstring import ConstBitStream, BitStream
# update at 2022/05/06 end

hex_datas = ConstBitStream(filename=path) ?# 讀取文件內(nèi)容
start_char = b'Start'
start_chars = hex_datas.findall(start_char, bytealigned=True) ?# 一次找到全部符合的，返回一個生成器
start_indexs = []
for start_char in start_chars:
? ? start_indexs.append(start_char)

end_char = b'End'
end_indexs = []
for start_index in start_indexs:
? ? end_chars = hex_datas.find(end_char, start=start_index, bytealigned=True) ?# 找到第一個符合的，返回元組
? ? for end_char in end_chars:
? ? ? ? end_indexs.append(end_char)

result = []
for i in range(min(len(start_indexs), len(end_indexs))):
? ? hex_data = hex_datas[start_indexs[i]:end_indexs[i]]
? ? str_data = BitStream.tobytes(hex_data).decode('utf-8')
? ? result.append(str_data)

代碼分析，首先導(dǎo)入需要的兩個類：ConstBitStream, BitStream。獲取文件內(nèi)容，findall() 查找所有符合的字符串索引，find() 查找第一個符合的字符串索引。取開始、結(jié)束兩個列表的較小值，切片獲取數(shù)據(jù)，類型為 ‘bitstring.ConstBitStream’，BitStream.tobytes() 方法轉(zhuǎn)為 bytes 類型，中文字符會亂碼，所以再用 decode() 解碼，得到需要的字符串。

整個過程還是簡潔、連續(xù)。代碼中用到了 findall()、find()、tobytes() 方法。此外還有許多小細節(jié)需要注意，比如，start_indexs 如果為空，后續(xù)的代碼就不該執(zhí)行了，end_indexs 為空亦是如此。

由此可見，bitstring 這個包還是比較好用的。根據(jù)需求，用到的方法比較少，其實還有許多其他的方法，按需選擇。

到此這篇關(guān)于Python 二進制字節(jié)流數(shù)據(jù)的讀取操作(bytes與bitstring)的文章就介紹到這了,更多相關(guān)Python 二進制字節(jié)流讀取內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論