读取二进制文件并循环遍历每个字节-Java 学习之路

294

在Python中，如何读取二进制文件并循环遍历该文件的每个字节？

9 回答

308
Python 3，一次读取所有文件：
```
with open("filename", "rb") as binary_file:
    # Read the whole file at once
    data = binary_file.read()
    print(data)
```
您可以使用 data 变量迭代任何您想要的内容 .
回复于 2024-05-04T05:46:38+08:00
10
如果要读取大量二进制数据，可能需要考虑struct module . 它被记录为转换"between C and Python types"，但当然，字节是字节，并且这些是否是作为C类型创建并不重要 . 例如，如果二进制数据包含两个2字节整数和一个4字节整数，则可以按如下方式读取它们（示例来自 struct 文档）：
```
>>> struct.unpack('hhl', b'\x00\x01\x00\x02\x00\x00\x00\x03')
(1, 2, 3)
```
您可能会发现这比显式循环文件内容更方便，更快捷或两者兼而有之 .
回复于 2024-05-04T05:46:38+08:00
46
Python 2.4 and Earlier
```
f = open("myfile", "rb")
try:
    byte = f.read(1)
    while byte != "":
        # Do stuff with byte.
        byte = f.read(1)
finally:
    f.close()
```
Python 2.5-2.7
```
with open("myfile", "rb") as f:
    byte = f.read(1)
    while byte != "":
        # Do stuff with byte.
        byte = f.read(1)
```
请注意，with语句在2.5以下的Python版本中不可用 . 要在v 2.5中使用它，您需要导入它：
```
from __future__ import with_statement
```
在2.6中，这不是必需的 .

Python 3

在Python 3中，它有点不同 . 我们将不再以字节模式从流中获取原始字符，而是字节对象，因此我们需要更改条件：
```
with open("myfile", "rb") as f:
    byte = f.read(1)
    while byte != b"":
        # Do stuff with byte.
        byte = f.read(1)
```
或者正如benhoyt所说，跳过不等于并利用 b"" 评估为假的事实 . 这使代码在2.6和3.x之间兼容，无需任何更改 . 如果从字节模式转换为文本或反向，它还可以避免更改条件 .
```
with open("myfile", "rb") as f:
    byte = f.read(1)
    while byte:
        # Do stuff with byte.
        byte = f.read(1)
```
回复于 2024-05-04T05:46:38+08:00

此生成器从文件中生成字节，以块的形式读取文件：

def bytes_from_file(filename, chunksize=8192):
    with open(filename, "rb") as f:
        while True:
            chunk = f.read(chunksize)
            if chunk:
                for b in chunk:
                    yield b
            else:
                break

# example:
for b in bytes_from_file('filename'):
    do_stuff_with(b)

有关iterators和generators的信息，请参阅Python文档 .

回复于 2024-05-04T05:46:38+08:00

如果文件不是太大，将其保存在内存中就是一个问题：

bytes_read = open("filename", "rb").read()
for b in bytes_read:
    process_byte(b)

其中process_byte表示要对传入的字节执行的某些操作 .

如果要一次处理一个块：

file = open("filename", "rb")
try:
    bytes_read = file.read(CHUNKSIZE)
    while bytes_read:
        for b in bytes_read:
            process_byte(b)
        bytes_read = file.read(CHUNKSIZE)
finally:
    file.close()

回复于 2024-05-04T05:46:38+08:00

1
要读取文件 - 一次一个字节（忽略缓冲） - 您可以使用two-argument iter(callable, sentinel) built-in function：
```
with open(filename, 'rb') as file:
    for byte in iter(lambda: file.read(1), b''):
        # Do stuff with byte
```
它调用 file.read(1) 直到它不返回 b'' （空字节串） . 对于大文件，内存不会无限增长 . 您可以将 buffering=0 传递给 open() ，以禁用缓冲 - 它保证每次迭代只读取一个字节（慢） .

with -statement自动关闭文件 - 包括下面的代码引发异常的情况 .

尽管默认情况下存在内部缓冲，但一次处理一个字节仍然是低效的 . 例如，这是 blackhole.py 实用程序，它会占用它给出的所有内容：
```
#!/usr/bin/env python3
"""Discard all input. `cat > /dev/null` analog."""
import sys
from functools import partial
from collections import deque

chunksize = int(sys.argv[1]) if len(sys.argv) > 1 else (1 << 15)
deque(iter(partial(sys.stdin.detach().read, chunksize), b''), maxlen=0)
```
例：
```
$ dd if=/dev/zero bs=1M count=1000 | python3 blackhole.py
```
它在我的机器上 chunksize == 32768 时处理~1.5 GB / s，在 chunksize == 1 时仅处理~7.5 MB / s . 也就是说，一次读取一个字节要慢200倍 . 如果您可以重写处理以一次使用多个字节并且需要性能，请将其考虑在内 .

mmap允许您同时将文件视为bytearray和文件对象 . 如果您需要访问两个接口，它可以作为将整个文件加载到内存中的替代方法 . 特别是，您可以使用普通的 for -loop在内存映射文件上一次迭代一个字节：
```
from mmap import ACCESS_READ, mmap

with open(filename, 'rb', 0) as f, mmap(f.fileno(), 0, access=ACCESS_READ) as s:
    for byte in s: # length is equal to the current file size
        # Do stuff with byte
```
mmap 支持切片表示法 . 例如， mm[i:i+len] 从位置 i 开始的文件返回 len 个字节 . Python 3.2之前不支持上下文管理器协议;在这种情况下，您需要显式调用 mm.close() . 使用 mmap 迭代每个字节会消耗比 file.read(1) 更多的内存，但 mmap 的速度要快一个数量级 .
回复于 2024-05-04T05:46:38+08:00

143

总结一下chrispy，Skurmedel，Ben Hoyt和Peter Hansen的所有优点，这将是一次一个字节处理二进制文件的最佳解决方案：

with open("myfile", "rb") as f:
    while True:
        byte = f.read(1)
        if not byte:
            break
        do_stuff_with(ord(byte))

对于Python 2.6及更高版本，因为：

内部

python缓冲区 - 无需读取块
干燥原理 - 不要重复读取线
with语句可确保关闭文件
当没有更多字节时
'byte'的计算结果为false（而不是字节为零时）

或者使用J. F. Sebastians解决方案来提高速度

from functools import partial

with open(filename, 'rb') as file:
    for byte in iter(partial(file.read, 1), b''):
        # Do stuff with byte

或者如果你想将它作为代码表示的生成器函数：

def bytes_from_file(filename):
    with open(filename, "rb") as f:
        while True:
            byte = f.read(1)
            if not byte:
                break
            yield(ord(byte))

# example:
for b in bytes_from_file('filename'):
    do_stuff_with(b)

回复于 2024-05-04T05:46:38+08:00

在Python中读取二进制文件并循环遍历每个字节

Python 3.5中的新功能是 pathlib 模块，它有一个特别方便的方法来读取文件中的字节，允许我们迭代字节 . 我认为这是一个体面的（如果快速和肮脏）答案：

import pathlib

for byte in pathlib.Path(path).read_bytes():
    print(byte)

有趣的是，这是唯一提到 pathlib 的答案 .

在Python 2中，你可能会这样做（正如Vinay Sajip也建议的那样）：

with open(path, 'b') as file:
    for byte in file.read():
        print(byte)

如果文件可能太大而无法在内存中进行迭代，那么您可以使用带有 callable, sentinel 签名的 iter 函数（Python 2版本）以惯用方式对其进行分块：

with open(path, 'b') as file:
    callable = lambda: file.read(1024)
    sentinel = bytes() # or b''
    for chunk in iter(callable, sentinel): 
        for byte in chunk:
            print(byte)

（其他几个答案提到了这一点，但很少有人提供合理的读取大小 . ）

大文件或缓冲/交互式阅读的最佳实践

让我们创建一个执行此操作的函数，包括Python 3.5标准库的惯用用法：

from pathlib import Path
from functools import partial
from io import DEFAULT_BUFFER_SIZE

def file_byte_iterator(path):
    """given a path, return an iterator over the file
    that lazily loads the file
    """
    path = Path(path)
    with path.open('rb') as file:
        reader = partial(file.read1, DEFAULT_BUFFER_SIZE)
        file_iterator = iter(reader, bytes())
        for chunk in file_iterator:
            for byte in chunk:
                yield byte

请注意，我们使用 file.read1 . file.read 阻塞，直到它获得所请求的所有字节或 EOF . file.read1 允许我们避免阻塞，因此可以更快地返回 . 没有其他答案也提到这一点 .

演示最佳实践用法：

让我们创建一个具有兆字节（实际上是mebibyte）的伪随机数据的文件：

import random
import pathlib
path = 'pseudorandom_bytes'
pathobj = pathlib.Path(path)

pathobj.write_bytes(
  bytes(random.randint(0, 255) for _ in range(2**20)))

现在让我们迭代它并在内存中实现它：

>>> l = list(file_byte_iterator(path))
>>> len(l)
1048576

我们可以检查数据的任何部分，例如，最后100个字节和前100个字节：

>>> l[-100:]
[208, 5, 156, 186, 58, 107, 24, 12, 75, 15, 1, 252, 216, 183, 235, 6, 136, 50, 222, 218, 7, 65, 234, 129, 240, 195, 165, 215, 245, 201, 222, 95, 87, 71, 232, 235, 36, 224, 190, 185, 12, 40, 131, 54, 79, 93, 210, 6, 154, 184, 82, 222, 80, 141, 117, 110, 254, 82, 29, 166, 91, 42, 232, 72, 231, 235, 33, 180, 238, 29, 61, 250, 38, 86, 120, 38, 49, 141, 17, 190, 191, 107, 95, 223, 222, 162, 116, 153, 232, 85, 100, 97, 41, 61, 219, 233, 237, 55, 246, 181]
>>> l[:100]
[28, 172, 79, 126, 36, 99, 103, 191, 146, 225, 24, 48, 113, 187, 48, 185, 31, 142, 216, 187, 27, 146, 215, 61, 111, 218, 171, 4, 160, 250, 110, 51, 128, 106, 3, 10, 116, 123, 128, 31, 73, 152, 58, 49, 184, 223, 17, 176, 166, 195, 6, 35, 206, 206, 39, 231, 89, 249, 21, 112, 168, 4, 88, 169, 215, 132, 255, 168, 129, 127, 60, 252, 244, 160, 80, 155, 246, 147, 234, 227, 157, 137, 101, 84, 115, 103, 77, 44, 84, 134, 140, 77, 224, 176, 242, 254, 171, 115, 193, 29]

不要按行迭代二进制文件

不要执行以下操作 - 这会拉出任意大小的块直到它到达换行符 - 当块太小时太慢，并且可能太大：

with open(path, 'rb') as file:
        for chunk in file: # text newline iteration - not for bytes
            for byte in chunk:
                yield byte

以上只适用于语义上人类可读的文本文件（如纯文本，代码，标记，降价等...基本上任何ascii，utf，latin等编码） .

回复于 2024-05-04T05:46:38+08:00

3
如果你正在寻找快速的东西，这是我一直使用的方法多年来一直工作：
```
from array import array

with open( path, 'rb' ) as file:
    data = array( 'B', file.read() ) # buffer the file

# evaluate it's data
for byte in data:
    v = byte # int value
    c = chr(byte)
```
如果你想迭代字符而不是整数，你可以简单地使用 data = file.read() ，它应该是py3中的bytes（）对象 .
回复于 2024-05-04T05:46:38+08:00

读取二进制文件并循环遍历每个字节

9 回答

大文件或缓冲/交互式阅读的最佳实践

演示最佳实践用法：

不要按行迭代二进制文件

相关问题