如何更改文件中的字节？

Question

我正在制作一个加密程序，我需要以二进制模式打开文件以访问非 ascii 和不可打印字符，我需要检查文件中的字符是字母、数字、符号还是不可打印字符.这意味着我必须逐一检查字节（当它们被解码为 ascii 时）是否匹配以下任何字符：

{^9,dzEV=Q4ciT+/s};fnq3BFh% #2!k7>YSU<GyD\I]|OC_e.W0M~ua-jR5lv1wA`@8t*xr'K"[P)&b:g$p(mX6Ho?JNZL

我想我可以将上面的这些字符编码为二进制，然后将它们与字节进行比较。我不知道该怎么做。

P.S. Sorry for bad English and binary misunderstanding. (I hope you know what I mean by bytes, I mean characters in binary mode like this):

\x01\x00\x9a\x9c\x18\x00

Answer 1

要以二进制模式打开文件，请使用 open("filena.me", "rb") 命令。我个人从未使用过该命令，但这应该能为您提供所需的信息。

Answer 2

Python 中有两种主要的字符串类型：表示二进制数据的字节串（字节序列）和表示人类可读文本的 Unicode 字符串（Unicode 代码点序列）。一个转换成另一个很简单(☯):

unicode_text = bytestring.decode(character_encoding)
bytestring = unicode_text.encode(character_encoding)

如果您以二进制模式打开文件，例如 'rb' 然后 file.read() returns 字节串（bytes 类型）：

>>> b'A' == b'\x41' == chr(0b1000001).encode()
True

有几种方法可以用来对字节进行分类：

字符串方法如bytes.isdigit():
```
>>> b'1'.isdigit()
True
```

字符串常量如string.printable

>>> import string
>>> b'!' in string.printable.encode()
True

正则表达式如\d

>>> import re
>>> bool(re.match(br'\d+$', b'123'))
True

curses.ascii 模块中的分类函数，例如 curses.ascii.isprint()

>>> from curses import ascii
>>> bytearray(filter(ascii.isprint, b'123'))
bytearray(b'123')

bytearray 是可变的字节序列——与字节串不同，您可以就地更改它，例如，将大写的第 3 个字节小写：

>>> import string
>>> a = bytearray(b'ABCDEF_')
>>> uppercase = string.ascii_uppercase.encode()
>>> a[::3] = [b | 0b0100000 if b in uppercase else b 
...           for b in a[::3]]
>>> a
bytearray(b'aBCdEF_')

注意：b'ad' 是小写，但 b'_' 保持不变。

要就地修改二进制文件，您可以使用 mmap 模块，例如，将 'file' 中每隔一行的第 4 列小写：

#!/usr/bin/env python3
import mmap
import string

uppercase = string.ascii_uppercase.encode()
ncolumn = 3 # select 4th column
with open('file', 'r+b') as file, \
     mmap.mmap(file.fileno(), 0, access=mmap.ACCESS_WRITE) as mm:
    while True:
        mm.readline()   # ignore every other line
        pos = mm.tell() # remember current position
        if not mm.readline(): # EOF
            break
        if mm[pos + ncolumn] in uppercase:
            mm[pos + ncolumn] |= 0b0100000 # lowercase

注意：Python 2 和 3 API 在这种情况下不同。代码使用Python 3.

输入

ABCDE1
FGHIJ
ABCDE
FGHI

输出

ABCDE1
FGHiJ
ABCDE
FGHi

注意：第 4 列在第 2 行和第 4h 行变为小写。

通常，如果您想更改文件：您从文件中读取，将修改写入临时文件，成功后您将临时文件移到原始文件的位置：

#!/usr/bin/env python3
import os
import string
from tempfile import NamedTemporaryFile

caesar_shift = 3
filename = 'file'

def caesar_bytes(plaintext, shift, alphabet=string.ascii_lowercase.encode()):
    shifted_alphabet = alphabet[shift:] + alphabet[:shift]
    return plaintext.translate(plaintext.maketrans(alphabet, shifted_alphabet))

dest_dir = os.path.dirname(filename)
chunksize = 1 << 15
with open(filename, 'rb') as file, \
     NamedTemporaryFile('wb', dir=dest_dir, delete=False) as tmp_file:
    while True: # encrypt
        chunk = file.read(chunksize)
        if not chunk: # EOF
            break
        tmp_file.write(caesar_bytes(chunk, caesar_shift))
os.replace(tmp_file.name, filename)

输入

abc
def
ABC
DEF

输出

def
ghi
ABC
DEF

要将输出转换回来，请设置 caesar_shift = -3。

如何更改文件中的字节？

How to change the bytes in a file?

python

unicode

binary

ascii

encode

输入

输出

输入

输出