Python基礎筆記之struct和格式化字符

簡介

文件的存儲內容有兩種方式,一種是二進制,一種是文本的形式。如果是以文本的形式存儲在文件中,那麼從文件中讀取的時候就會遇到一個將文本轉換為Python中數據類型的問題。實際上即使是文本的形式存儲,存儲的數據也是也是有結構的,因為Python底層是用C來編寫的,這裡我們也稱之為C結構。

Lib/struct.py 就是負責進行這種結構轉換的模塊。

struct中的方法

先看下struct的定義:

__all__ = [
    # Functions
    'calcsize', 'pack', 'pack_into', 'unpack', 'unpack_from',
    'iter_unpack',

    # Classes
    'Struct',

    # Exceptions
    'error'
    ]

其中有6個方法,1個異常。

我們主要來看這6個方法的使用:

方法名 作用
struct.pack(format, v1, v2, …) 返回一個 bytes 對象,其中包含根據格式字符串 format 打包的值 v1, v2, … 參數個數必須與格式字符串所要求的值完全匹配。
struct.pack_into(format, buffer, offset, v1, v2, …) 根據格式字符串 format 打包 v1, v2, … 並將打包的字節串從 offset 開始的位置寫入可寫緩沖區 buffer 。 請註意 offset 是必需的參數。
struct.unpack(format, buffer) 根據格式字符串 format 從緩沖區 buffer 解包(假定是由 pack(format, …) 打包)。 返回的結果為一個元組,即使其隻包含一個條目。 緩沖區的字節大小必須匹配格式所要求的大小。
struct.unpack_from(format, /, buffer, offset=0) 從位置 offset 開始對 buffer 根據格式字符串 format 進行解包。 結果為一個元組,即使其中隻包含一個條目。
struct.iter_unpack(format, buffer) 根據格式字符串 format 以迭代方式從緩沖區 buffer 解包。 此函數返回一個迭代器,它將從緩沖區讀取相同大小的塊直至其內容全部耗盡。
struct.calcsize(format) 返回與格式字符串 format 相對應的結構的大小(亦即 pack(format, …) 所產生的字節串對象的大小)。

這些方法主要就是打包和解包的操作,其中一個非常重要的參數就是format,也被成為格式字符串,它指定瞭每個字符串被打包的格式。

格式字符串

格式字符串是用來在打包和解包數據時指定數據格式的機制。 它們使用指定被打包/解包數據類型的 格式字符 進行構建。 此外,還有一些特殊字符用來控制 字節順序,大小和對齊方式。

字節順序,大小和對齊方式

默認情況下,C類型以機器的本機格式和字節順序表示,並在必要時通過填充字節進行正確對齊(根據C編譯器使用的規則)。

我們也可以手動指定格式字符串的字節順序,大小和對齊方式:

字符 字節順序 大小 對齊方式
@ 按原字節 按原字節 按原字節
= 按原字節 標準
< 小端 標準
> 大端 標準
! 網絡(=大端) 標準

大端和小端是兩種數據存儲方式。

第一種Big Endian將高位的字節存儲在起始地址

第二種Little Endian將地位的字節存儲在起始地址

其實Big Endian更加符合人類的讀寫習慣,而Little Endian更加符合機器的讀寫習慣。

目前主流的兩大CPU陣營中,PowerPC系列采用big endian方式存儲數據,而x86系列則采用little endian方式存儲數據。

如果不同的CPU架構直接進行通信,就由可能因為讀取順序的不同而產生問題。

填充隻會在連續結構成員之間自動添加。 填充不會添加到已編碼結構的開頭和末尾。

當使用非原字節大小和對齊方式即 '<', '>', '=', and '!' 時不會添加任何填充。

格式字符

我們來看下字符都有哪些格式:

格式 C 類型 Python 類型 標準大小(字節)
x 填充字節  
c char 長度為 1 的字節串 1
b signed char 整數 1
B unsigned char 整數 1
? _Bool bool 1
h short 整數 2
H unsigned short 整數 2
i int 整數 4
I unsigned int 整數 4
l long 整數 4
L unsigned long 整數 4
q long long 整數 8
Q unsigned long long 整數 8
n ssize_t 整數  
N size_t 整數  
e (6) 浮點數 2
f float 浮點數 4
d double 浮點數 8
s char[] 字節串  
p char[] 字節串  
P void * 整數  

格式數字

舉個例子,比如我們要打包一個int對象,我們可以這樣寫:

In [101]: from struct import *

In [102]: pack('i',10)
Out[102]: b'\n\x00\x00\x00'

In [103]: unpack('i',b'\n\x00\x00\x00')
Out[103]: (10,)
  
In [105]: calcsize('i')
Out[105]: 4

上面的例子中,我們打包瞭一個int對象10,然後又對其解包。並且計算瞭 i 這個格式的長度為4字節。

大傢可以看到輸出結果是 b'\n\x00\x00\x00' ,這裡不去深究這個輸出到底是什麼意思,開頭的b表示的是byte,後面是byte的編碼。

格式字符之前可以帶有整數重復計數。 例如,格式字符串 '4h' 的含義與 'hhhh' 完全相同。

看下如何打包4個short類型:

In [106]: pack('4h',2,3,4,5)
Out[106]: b'\x02\x00\x03\x00\x04\x00\x05\x00'

In [107]: unpack('4h',b'\x02\x00\x03\x00\x04\x00\x05\x00')
Out[107]: (2, 3, 4, 5)

格式之間的空白字符會被忽略,但如果是struct.calcsize 方法的話格式字符中不可有空白字符。

當使用某一種整數格式 ('b', 'B', 'h', 'H', 'i', 'I', 'l', 'L', 'q', 'Q') 打包值 x 時,如果 x 在該格式的有效范圍之外則將引發 struct.error。

格式字符

除瞭數字之外,最常用的就是字符和字符串瞭。

我們先看下怎麼使用格式字符,因為字符的長度是1個字節,我們需要這樣做:

In [109]: pack('4c',b'a',b'b',b'c',b'd')
Out[109]: b'abcd'

In [110]: unpack('4c',b'abcd')
Out[110]: (b'a', b'b', b'c', b'd')

In [111]: calcsize('4c')
Out[111]: 4

字符前面的b,表示這是一個字符,否則將會被當做字符串。

格式字符串

再看下字符串的格式:

In [114]: pack('4s',b'abcd')
Out[114]: b'abcd'

In [115]: unpack('4s',b'abcd')
Out[115]: (b'abcd',)

In [116]: calcsize('4s')
Out[116]: 4

In [117]: calcsize('s')
Out[117]: 1

可以看到對於字符串來說calcsize返回的是字節的長度。

填充的影響

格式字符的順序可能對大小產生影響,因為滿足對齊要求所需的填充是不同的:

>>> pack('ci', b'*', 0x12131415)
b'*\x00\x00\x00\x12\x13\x14\x15'
>>> pack('ic', 0x12131415, b'*')
b'\x12\x13\x14\x15*'
>>> calcsize('ci')
8
>>> calcsize('ic')
5

下面的例子我們將會展示如何手動影響填充效果:

In [120]: pack('llh',1, 2, 3)
Out[120]: b'\x01\x00\x00\x00\x00\x00\x00\x00\x02\x00\x00\x00\x00\x00\x00\x00\x03\x00'

上面的例子中,我們打包1,2,3這三個數字,但是格式不一樣,分別是long,long,short。

因為long是4個字節,short是2個字節,所以本質上是不對齊的。

如果想要對齊,我們可以在後面再加上 0l 表示0個long,從而進行手動填充:

In [118]: pack('llh0l', 1, 2, 3)
Out[118]: b'\x01\x00\x00\x00\x00\x00\x00\x00\x02\x00\x00\x00\x00\x00\x00\x00\x03\x00\x00\x00\x00\x00\x00\x00'

In [122]: unpack('llh0l',b'\x01\x00\x00\x00\x00\x00\x00\x00\x02\x00\x00\x00\x00\x00\x00\x00\x03\x00\x00\x00\x00\x00\x00\x00')
Out[122]: (1, 2, 3)

復雜應用

最後看一個復雜點的應用,這個應用中直接從unpack出來的數據讀取到元組中:

>>> record = b'raymond   \x32\x12\x08\x01\x08'
>>> name, serialnum, school, gradelevel = unpack('<10sHHb', record)

>>> from collections import namedtuple
>>> Student = namedtuple('Student', 'name serialnum school gradelevel')
>>> Student._make(unpack('<10sHHb', record))
Student(name=b'raymond   ', serialnum=4658, school=264, gradelevel=8)

總結

到此這篇關於Python基礎筆記之struct和格式化字符的文章就介紹到這瞭,更多相關Python struct和格式化字符內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: