Python使用struct處理二進位(pack和unpack用法)

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模組來完成.可以用struct來處理c語言中的結構體.

struct模組中最重要的三個函數是pack(), unpack(), calcsize()

pack(fmt, v1, v2, ...)     依照給定的格式(fmt)，把資料封裝成字串(實際上是類似c結構體的位元組流)

unpack(fmt, string)       依照給定的格式(fmt)解析位元組流string，回傳解析出來的tuple

calcsize(fmt)        fmt)佔用多少位元組的記憶體

struct支援的格式如下表：

Format  C 類型  Python  位元組數

x   pad byte  

b   signed char integer 1

B   unsigned char   integer 1

?   _Bool   bool    1

h   short   integer

I   unsigned int    integer or long 4

l   long    integer 4

L   unsigned long   long    4

q   long long   long    8

Q   unsigned long long  long   8

Q   unsigned long long  long   8

 float   8

s   char[]  string  1

p   char[]  string  1

P   void *  long

註1.q和Q只在機器支援64位元操作時有意思

註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元串，4s表示長度為4的字串，但是p表示的是pascal字串

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個位元組

為了同c中的結構體交換數據，還要考慮有的c或c++編譯器使用了位元組對齊，通常是以4個位元組為單位的32位元系統，故而struct依照本地機器位元組順序轉換.可以用格式中的第一個字元來改變對齊方式.定義如下：

Character   Byte order  Size and alignment

@   native  native    

@   native  native standard        按原位元組數

>   音🠎) 按原始位元組數

>   -end 

standard       依原位元組數

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;
}

透過socket.recv接收了一個上面的結構體數據，存在字串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)

上面的格式字串中，!表示我們要使用網絡字節順序解析，因為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路位元組順序的.後面的H表示一個unsigned short的id,4s表示4位元組長的字串，2I表示有兩個unsigned int型別的資料.

就透過一個unpack，現在id, tag, version, count裡已經保存好我們的資訊了.

同樣，也可以很方便的把本地資料再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現在是一個字串(實際上是類似於c結構體的位元組流)，可以透過socket.send(ss)把這個字串發送出去。

範例2：

import struct
a=12.34
#将a变为二进制
bytes=struct.pack('i',a)

此時bytes就是一個string字串，字串以位元組同a的二進位儲存內容相同。

再進行反操作，現有二進位資料bytes，（其實就是字串），將它反過來轉換成python的資料型別：

#注意，unpack回傳的是tuple !!

a,=struct.unpack('i',bytes)

如果是由多個資料構成的，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就是二進位形式的資料了，可以直接寫入檔案例如binfile.write(bytes)

然後，當我們需要時可以再讀出來，bytes=binfile.read()再透過struct.unpack()解碼成python變數：

a,b,c,d=struct.unpack('5s6sif',bytes)

'5s6sif'這個叫做fmt，就是格式化字串，由數字加字元構成，5s表示佔5個字符的字串，2i，表示2個整數等等，下面是可用的字元及類型，ctype表示可以與python中的類型一一對應。

注意：二進位檔案處理時會碰到的問題

我們使用處理二進位檔案時，需要用以下方法：

binfile=open(filepath,'rb')    
#读二进制文件
binfile=open(filepath,'wb')   
#写二进制文件

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’，就會視為文件結束，這就是EOF。使用’rb’則不存在這個問題。即，如果你用二進位寫入再用文字讀出的話，如果其中存在’0X1A’，就只會讀出檔案的一部分。使用’rb’的時候會一直讀到文件最後。

第二，對於字串x=’abcndef’，我們可用len(x)得到它的長度為7，n我們稱之為換行符，實際上是’0X0A’。當我們用’w'即文字方式寫的時候，在windows平台上會自動將’0X0A’變成兩個字元’0X0D’，’0X0A’，即檔案長度實際上變成8.。當用’r'文字方式讀取時，又自動的轉換成原來的換行符。如果換成’wb’二進位方式來寫的話，則會保持一個字元不變，讀取時也是原樣讀取。所以如果用文字方式寫入，用二進位方式讀取的話，就要考慮這多出的一個位元組了。 ’0X0D’又稱回車符。 linux下不會變。因為linux只使用’0X0A’來表示換行。