python 中的 mmap 打印二进制数据而不是文本

Question

我正在尝试逐个字符地读取一个 30 MB 的大文件。我发现了一篇关于如何读取大文件的有趣文章。 Fast Method to Stream Big files

问题：输出打印二进制数据而不是实际的人类可读文本

代码：

def getRow(filepath):
   offsets = get_offsets(filepath)
   random.shuffle(offsets)
   with gzip.open(filepath, "r+b") as f:
      i = 0
      mm = mmap.mmap(f.fileno(), 0, access = mmap.ACCESS_READ)
      for position in offsets:
          mm.seek(position)
          record = mm.readline()
          x = record.split(",")
          yield x


def get_offsets(input_filename):
   offsets = []
   with open(input_filename, 'r+b') as f:
       i = 0
       mm = mmap.mmap(f.fileno(), 0, access = mmap.ACCESS_READ)
       for record in iter(mm.readline, ''):
           loc = mm.tell()
           offsets.append(loc)
           i += 1
   return offsets

for line in getRow("hello.dat.gz"):
    print line

输出：输出产生了一些奇怪的二进制数据。

['w\xc1\xd9S\xabP8xy\x8f\xd8\xae\xe3\xd8b&\xb6"\xbeZ\xf3P\xdc\x19&H\@\x8e\x83\x0b\x81?R\xb0\xf2\xb5\xc1\x88rJ\

我是不是在做一些非常愚蠢的事情？

编辑：

我发现了问题。这是因为gzip.open。不知道如何摆脱这个。有什么想法吗？

Answer 1

根据 GZipFile 的文档：

fileno(self)

Invoke the underlying file object's `fileno()` method.

您映射的是压缩 .gz 文件的视图，而不是压缩数据的视图。

mmap() 只能操作 OS 个文件句柄，不能映射任意 Python 个文件对象。

所以不，除非底层操作系统直接支持，否则您不能透明地映射压缩文件的解压缩视图。

python 中的 mmap 打印二进制数据而不是文本

mmap in python printing binary data instead of text

python

gzip

mmap

file

bigdata