簡介

文件的存儲內(nèi)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，那么從文件中讀取的時候就會遇到一個將文本轉換為Python中數(shù)據(jù)類型的問題。實際上即使是文本的形式存儲，存儲的數(shù)據(jù)也是也是有結構的，因為Python底層是用C來編寫的，這里我們也稱之為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：

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(shù)就是format，也被成為格式字符串，它指定了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(shù)據(jù)時指定數(shù)據(jù)格式的機制。 它們使用指定被打包/解包數(shù)據(jù)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(jié)順序，大小和對齊方式。

字節(jié)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(jié)順序表示，并在必要時通過填充字節(jié)進行正確對齊（根據(jù)C編譯器使用的規(guī)則）。

我們也可以手動指定格式字符串的字節(jié)順序，大小和對齊方式：

大端和小端是兩種數(shù)據(jù)存儲方式。

第一種Big Endian將高位的字節(jié)存儲在起始地址

第二種Little Endian將地位的字節(jié)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(shù)據(jù)，而x86系列則采用little endian方式存儲數(shù)據(jù)。

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(chǎn)生問題。

填充只會在連續(xù)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(jié)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：

格式數(shù)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，我們打包了一個int對象10，然后又對其解包。并且計算了 i 這個格式的長度為4字節(jié)。

大家可以看到輸出結果是 b'\n\x00\x00\x00' ，這里不去深究這個輸出到底是什么意思，開頭的b表示的是byte，后面是byte的編碼。

格式字符之前可以帶有整數(shù)重復計數(shù)。 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(shù)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(fā) struct.error。

格式字符

除了數(shù)字之外，最常用的就是字符和字符串了。

我們先看下怎么使用格式字符，因為字符的長度是1個字節(jié)，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

可以看到對于字符串來說calcsize返回的是字節(jié)的長度。

填充的影響

格式字符的順序可能對大小產(chǎn)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(shù)字，但是格式不一樣，分別是long，long，short。

因為long是4個字節(jié)，short是2個字節(jié)，所以本質上是不對齊的。

如果想要對齊，我們可以在后面再加上 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

最后看一個復雜點的應用，這個應用中直接從unpack出來的數(shù)據(jù)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

到此這篇關于Python基礎筆記之struct和格式化字符的文章就介紹到這了,更多相關Python struct和格式化字符內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！