使用 memoryview 读取二进制文件

Question

我在下面的代码中读取了一个大文件，它有一个特殊的结构——其中有两个块需要同时处理。我没有在文件中来回寻找，而是加载了包裹在 memoryview 调用中的这两个块

with open(abs_path, 'rb') as bsa_file:
    # ...
    # load the file record block to parse later
    file_records_block = memoryview(bsa_file.read(file_records_block_size))
    # load the file names block
    file_names_block = memoryview(bsa_file.read(total_file_name_length))
    # close the file
file_records_index = names_record_index = 0
for folder_record in folder_records:
    name_size = struct.unpack_from('B', file_records_block, file_records_index)[0]
    # discard null terminator below
    folder_path = struct.unpack_from('%ds' % (name_size - 1),
        file_records_block, file_records_index + 1)[0]
    file_records_index += name_size + 1
    for __ in xrange(folder_record.files_count):
        file_name_len = 0
        for b in file_names_block[names_record_index:]:
            if b != '\x00': file_name_len += 1
            else: break
        file_name = unicode(struct.unpack_from('%ds' % file_name_len,
            file_names_block,names_record_index)[0])
        names_record_index += file_name_len + 1

文件已正确解析，但由于这是我第一次使用 mamoryview 界面，我不确定我是否正确解析。 file_names_block 由空终止的 c 字符串组成。

我的技巧 file_names_block[names_record_index:] 是使用 memoryview 魔法还是创建一些 n^2 切片？我需要在这里使用 islice 吗？
正如所见，我只是手动查找空字节，然后继续 unpack_from。但是我在 How to split a byte string into separate bytes in python 中读到我可以在内存视图上使用 cast() （文档？） - 使用它（或其他技巧）以字节为单位拆分视图的任何方式？我可以打电话给 split('\x00') 吗？这会保持内存效率吗？

我希望能了解一种正确的方法（在 python 2 中）。

Answer 1

A memoryview 在涉及到空终止字符串时不会给您带来任何优势，因为它们除了固定宽度的数据外没有任何设施。您也可以在这里使用 bytes.split()：

file_names_block = bsa_file.read(total_file_name_length)
file_names = file_names_block.split(b'[=10=]')

切片 memoryview 不使用额外内存（视图参数除外），但如果使用强制转换，您会在尝试访问元素时为解析的内存区域生成新的本机对象顺序。

您仍然可以使用 memoryview 进行 file_records_block 解析；这些字符串以长度为前缀，让您有机会使用切片。在处理 folder_path 值时只保留内存视图的切片字节，不需要保留索引：

for folder_record in folder_records:
    name_size = file_records_block[0]  # first byte is the length, indexing gives the integer
    folder_path = file_records_block[1:name_size].tobytes()
    file_records_block = file_records_block[name_size + 1:]  # skip the null

因为 memoryview 来自 bytes 对象，索引会给你一个字节的整数值，给定切片上的 .tobytes() 会给你一个新的 bytes 该部分的字符串，然后您可以继续切片以将剩余部分留给下一个循环。

使用 memoryview 读取二进制文件

Reading a binary file with memoryview

python

python-2.7

binaryfiles

memoryview