python中struct模块之字节型数据的处理方法
作者:丶点小非 时间:2021-09-27 12:38:00
简介
这个模块处理python中常见类型数据和Python bytes之间转换。这可用于处理存储在文件或网络连接中的bytes数据以及其他来源。在python中没有专门处理字节的数据类型,建立字节型数据也比较麻烦,我们知道的bytes()函数也只能对无符号整型做处理,并且数据如下(没错,数字为多少就有多少个\x00,我们要是用这种方式来存储大量数据,结果可想而知):
va = bytes(1) # va: '\x00'
vb = bytes(2) # vb: '\x00\x00'
vc = bytes(5) # vc: '\x00\x00\x00\x00\x00'
但在python中str类型中既可以用字符串表示也可以以字节方式表示,所以你定义一个字节型的字符串常量,python是能处理它的:
va = '\x26' # va: '&'
struct处理
字节顺序
一个数据有多个字节表示的时候,字节的顺序不同也就决定了值,在struct中有以下几种字节顺序:
字符 | 字节顺序 | 尺寸 | 对齐方式 |
---|---|---|---|
@ | 本机 | 本机 | 本机 |
= | 本机 | 标准 | 无 |
< | 小端 | 标准 | 无 |
> | 大端 | 标准 | 无 |
! | 网络 | 标准 | 无 |
对于字节顺序,只有大端和小端两种方式,只是比如你用@和=代表你用本机的字节顺序,!代表你使用网络的字节顺序。你不指定字节顺序则默认的是@。
本地字节顺序是大端或小端,取决于主机系统。例如,Intel x86和AMD64(x86-64)是小端的; 摩托罗拉68000和PowerPC G5是大端; ARM和Intel Itanium具有可切换的字节序(双字节序)。使用sys.byteorder来检查你的系统的字节顺序。
数据格式
struct支持的打包解包的数据格式如下,我们需要指定格式才能对应处理,其中对应尺寸已列出(以字节为单位):
字符 | C类型 | python类型 | 标准尺寸 |
---|---|---|---|
x | 填充字节 | 没有意义的值 | |
c | char | 长度为1的字节 | 1 |
b | signed char | 整型 | 1 |
B | unsigned char | 整型 | 1 |
? | _Bool | 布尔 | 1 |
h | short | 整型 | 2 |
H | unsigned short | 整型 | 2 |
i | int | 整型 | 4 |
I | unsigned int | 整型 | 4 |
l | long | 整型 | 4 |
L | unsigned long | 整型 | 4 |
q | long long | 整型 | 8 |
Q | unsigned long long | 整型 | 8 |
n | ssize_t | 整型 | |
N | size_t | 整型 | |
e | 浮动 | 2 | |
f | float | 浮动 | 4 |
d | double | 浮动 | 8 |
s | char[] | 字节 | |
p | char[] | 字节 | |
P | void * | 整型 |
打包
通过struct的pack(fmt, *args)来实现对各种数据的打包(转换为对应字节数据),pack的需要传递的参数fmt就是数据的格式,包括了字节顺序、数据类型;后面的*args参数是需要打包的数据。
vaa = struct.pack('>I', 1255) # vaa: '\x00\x00\x04\xe7' 1*4=1个字节 vab = struct.pack('>II', 1255, 23) # vab: '\x00\x00\x04\xe7\x00\x00\x00\x17' 2*4=8个字节 vac = struct.pack('>2I?', 1255, 23, True) # vac: '\x00\x00\x04\xe7\x00\x00\x00\x17\x01' 2*4+1=9个字节
我们看上述三个使用例子(数据与数据之间没有填充,都是连续的,比如对于vac我们不知道 它是由两个4字节无符号整型和一个布尔构成,我们就无法取得正确的值),看fmt参数:
‘>I'代表了以大端的字节顺序打包一个4字节无符号整型数据,所以后面只跟了一个无符号整型参数1255;
‘>II'代表了以大端的字节顺序打包两个4字节无符号整型数据,所以后面跟了两个个无符号整型参数1255和23;
‘>2I?'代表了以大端的字节顺序打包两个4字节无符号整型和一个布尔型数据,所以后面跟了两个个无符号整型参数1255、23和一个布尔值True。
注意'2I'和'II','4I'和'IIII','2?'和'??'是一样的效果。
解包
通过struct的unpack(fmt, string)来实现对字符串的解包,fmt和打包的是完全一样的,如下(返回的结果是一个元组):
vaa = struct.pack('>I', 1255) # vaa: '\x00\x00\x04\xe7'
vab = struct.pack('>II', 1255, 23) # vab: '\x00\x00\x04\xe7\x00\x00\x00\x17'
vaaa = struct.unpack('>I', vaa) # vaaa: <class 'tuple'>: (1255, )
vaba = struct.unpack('>II', vab) # vaba: <class 'tuple'>: (1255, 23)
进阶使用
pack_into(fmt, buffer, offset, *args)
fmt参数和pack是一样的,buffer参数是可写的缓存区,offset是写入位置的偏移量,*args是需要写入的数据。这个有什么用呢,我们想想这样两个情况,我们有两个类型已经打包好,我们想在这两个已经打包好的数据后面再添加一个数据打包;或者我们要打包的数据很多,我们不可能在pack中把所有需要打包的数据都通过参数传递给pack,那你的pack函数可能得写成千上完个参数了。这时候我们就可以用到这个函数了。
要使用它必须要一个可以写入的缓存区,我们可以导入一个字符缓存区包,然后创建一个固定大小的缓存区(以字节为单位):
import struct
from ctypes import create_string_buffer
# 创建一个9字节大小的缓存区,初始化默认全部为\x00
buf = create_string_buffer(9) # buf.raw: '\x00\x00\x00\x00\x00\x00\x00\x00\x00'
# 冲缓存区buf的第0个字节开始打包两个4字节无符号整型数据1和2
struct.pack_into(">II", buf, 0, 1, 2) # buf.raw: '\x00\x00\x00\x01\x00\x00\x00\x02\x00'
# 然后我们想再打包一个布尔型数据到buf中就可以改变以下偏移量
struct.pack_into(">?", buf, 8, True) # buf.raw: '\x00\x00\x00\x01\x00\x00\x00\x02\x01'
unpack_from(fmt, buffer, offset)和calcsize(fmt)结合解包数据
calcsize用于计算格式字符串所对应的结果的长度,如:struct.calcsize(‘II'),返回8。因为两个无符号整型所占用的长度是8个字节。unpack_from(fmt, buffer, offset)用于从buffer缓存区中使用fmt格式从offset偏移量处开始解包fmt里对应数量的数据。
import struct
from ctypes import create_string_buffer
buf = create_string_buffer(9)
struct.pack_into(">II", buf, 0, 1, 2)
struct.pack_into(">?", buf, 8, True)
# 记录位置
pos = 0
# 从buf缓存区中以大端方式从偏移位置pos处解包两个无符号整型数据返回,注意
#返回值如果只写一个则返回一个元组,否则你解包几个数据就要写几个返回值。
val = struct.unpack_from('>II', buf, pos) # val: <class 'tuple'>: (1, 2)
val_a, val_b = struct.unpack_from('>II', buf, pos) # val_a: 1 val_b: 2
# 重置解包位置
pos += struct.calcsize('>II') # pos: 8
val_c, = struct.unpack_from('>?', buf, pos) # val_c: True
示例
这个示例是基于mnist手写数字识别的,我们刚开始有60000张手写数字的图片(.bmp格式的),我们通过下述代码将60000张图片转换成字节型数据,bytes.py代码如下:
import struct
import os
import numpy as np
from ctypes import create_string_buffer
import cv2
# 创建一个60000 * 784 * 1 + 3 * 4字节大小的缓存区,初始化默认全部为\x00
buffer = create_string_buffer(60000 * 784 * 1 + 3 * 4)
def writeBytesData():
index = 0
BMP_NUM = 0
BMP_WIDTH = 28
BMP_HEIGHT = 28
# 先保留三个无符号整型的缓存区
index += struct.calcsize('>III')
path = 'data/bmp'
if not os.path.exists(path):
print('No this dir!')
return
list = os.listdir(path)
for line_bmp in list:
bmp_path = os.path.join(path, line_bmp)
if os.path.isdir(bmp_path):
print('This is not a .bmp')
else:
BMP_NUM += 1
print(BMP_NUM)
buf = cv2.imread(bmp_path, cv2.IMREAD_GRAYSCALE)
buf = np.reshape(buf, [784])
for pos in range(buf.__len__()):
struct.pack_into('>B', buffer, index, buf[pos])
index += struct.calcsize('>B')
# 将保留缓存区的内容填上
struct.pack_into('>III', buffer, 0, BMP_NUM, BMP_WIDTH, BMP_HEIGHT)
with open('data/bytes/bytes.bytes', 'wb') as fp:
fp.write(buffer)
def readFromBytes():
index = 0
images = []
with open('data/bytes/bytes.bytes', 'rb') as fp:
buffer = fp.read()
# 解包前三个无符号整型
bmp_num, bmp_width, bmp_height = struct.unpack_from('>III', buffer, index)
# 重定位偏移量
index += struct.calcsize('>III')
for pos in range(bmp_num):
img = struct.unpack_from('>784B', buffer, index)
index += struct.calcsize('>784B')
# 修改为原来的图片形状
img = np.array(img, dtype=np.uint8)
img = np.reshape(img, [bmp_height, bmp_width])
# 显示图片
cv2.imshow('bmp', img)
# 按任意键继续
cv2.waitKey(0)
images.append(img)
return images
writeBytesData()
readFromBytes()
在写入bytes文件的时候有点慢,由于有60000张图片每张要写28 * 28个字节,其中目录结构如下,需要图片的可以去我的下载区下载mnist图片数据集:
bytes.py
data
bmp
1.bmp
2.bmp
...
60000.bmp
bytes
来源:https://blog.csdn.net/youand_me/article/details/78890316