第83集：二进制文件操作

学习目标

理解二进制文件与文本文件的区别
掌握二进制文件的读写操作
学会使用struct模块处理二进制数据
掌握图片、音频等二进制文件的处理
了解二进制文件的常见应用场景

一、二进制文件概述

1.1 什么是二进制文件

二进制文件是以二进制形式存储数据的文件，与文本文件不同，二进制文件的内容不是人类可读的文本，而是计算机可以直接处理的二进制数据。

1.2 二进制文件与文本文件的区别

特性	文本文件	二进制文件
存储方式	字符编码（如UTF-8）	原始二进制数据
可读性	人类可读	人类不可读
文件大小	较大（编码开销）	较小（紧凑存储）
处理方式	按字符处理	按字节处理
应用场景	配置文件、日志等	图片、音频、视频等

1.3 常见二进制文件类型

图片文件：PNG、JPG、GIF、BMP等
音频文件：MP3、WAV、OGG等
视频文件：MP4、AVI、MKV等
压缩文件：ZIP、RAR、7Z等
可执行文件：EXE、DLL等
数据文件：数据库文件、序列化数据等

二、打开二进制文件

2.1 二进制打开模式

在文本模式的基础上添加'b'字符即可打开二进制模式：

模式	描述
'rb'	二进制只读
'wb'	二进制写入（覆盖）
'ab'	二进制追加
'rb+'	二进制读写
'wb+'	二进制读写（覆盖）
'ab+'	二进制读写（追加）

2.2 打开二进制文件示例

# 读取二进制文件
with open('image.png', 'rb') as f:
    data = f.read()

# 写入二进制文件
with open('output.bin', 'wb') as f:
    f.write(b'\x00\x01\x02\x03')

三、读取二进制文件

3.1 读取整个文件

with open('file.bin', 'rb') as f:
    data = f.read()
    print(type(data))  # <class 'bytes'>

3.2 读取指定字节数

with open('file.bin', 'rb') as f:
    # 读取前100字节
    chunk = f.read(100)
    print(chunk)

3.3 逐字节读取

with open('file.bin', 'rb') as f:
    while True:
        byte = f.read(1)
        if not byte:
            break
        print(byte)

四、写入二进制文件

4.1 写入字节串

# 写入字节串
data = b'Hello, Binary!'
with open('output.bin', 'wb') as f:
    f.write(data)

4.2 写入单个字节

with open('output.bin', 'wb') as f:
    f.write(b'\x00')
    f.write(b'\x01')
    f.write(b'\x02')

4.3 使用bytes()函数

# 从列表创建字节串
data = bytes([0x00, 0x01, 0x02, 0x03])
with open('output.bin', 'wb') as f:
    f.write(data)

4.4 使用bytearray()

# 创建可变的字节数组
data = bytearray([0x00, 0x01, 0x02, 0x03])
data.append(0x04)
with open('output.bin', 'wb') as f:
    f.write(data)

五、struct模块

5.1 struct模块简介

struct模块提供了在Python值和C结构体之间转换的功能，可以方便地处理二进制数据。

5.2 常用格式字符

格式字符	C类型	Python类型	大小（字节）
'b'	signed char	int	1
'B'	unsigned char	int	1
'h'	short	int	2
'H'	unsigned short	int	2
'i'	int	int	4
'I'	unsigned int	int	4
'f'	float	float	4
'd'	double	float	8
's'	char[]	bytes	-

5.3 pack()函数

将Python值打包成二进制数据。

import struct

# 打包一个整数和一个浮点数
data = struct.pack('if', 42, 3.14)
print(data)  # b'*\x00\x00\x00\x1f\x85\xebQ'

5.4 unpack()函数

将二进制数据解包成Python值。

import struct

data = b'*\x00\x00\x00\x1f\x85\xebQ'
values = struct.unpack('if', data)
print(values)  # (42, 3.140000104904175)

5.5 calcsize()函数

计算格式字符串对应的大小。

import struct

size = struct.calcsize('if')
print(size)  # 8 (4字节int + 4字节float)

六、处理图片文件

6.1 读取图片文件

# 读取图片文件
with open('image.png', 'rb') as f:
    image_data = f.read()
    print(f"图片大小：{len(image_data)} 字节")

6.2 复制图片文件

# 复制图片文件
def copy_image(src, dst):
    with open(src, 'rb') as src_file:
        with open(dst, 'wb') as dst_file:
            dst_file.write(src_file.read())

copy_image('source.png', 'copy.png')

6.3 读取图片头部信息

# 读取PNG文件头部信息
def read_png_header(filename):
    with open(filename, 'rb') as f:
        header = f.read(8)
        if header[:8] == b'\x89PNG\r\n\x1a\n':
            print("这是一个PNG文件")
            # 读取IHDR chunk
            chunk_length = struct.unpack('>I', f.read(4))[0]
            chunk_type = f.read(4)
            print(f"Chunk类型：{chunk_type}")
        else:
            print("这不是PNG文件")

read_png_header('image.png')

七、处理音频文件

7.1 读取WAV文件头部

import struct

def read_wav_header(filename):
    with open(filename, 'rb') as f:
        # 读取RIFF头
        riff = f.read(4)
        file_size = struct.unpack('<I', f.read(4))[0]
        wave = f.read(4)
        
        # 读取fmt子块
        fmt = f.read(4)
        fmt_size = struct.unpack('<I', f.read(4))[0]
        audio_format = struct.unpack('<H', f.read(2))[0]
        num_channels = struct.unpack('<H', f.read(2))[0]
        sample_rate = struct.unpack('<I', f.read(4))[0]
        byte_rate = struct.unpack('<I', f.read(4))[0]
        block_align = struct.unpack('<H', f.read(2))[0]
        bits_per_sample = struct.unpack('<H', f.read(2))[0]
        
        print(f"音频格式：{audio_format}")
        print(f"声道数：{num_channels}")
        print(f"采样率：{sample_rate} Hz")
        print(f"位深度：{bits_per_sample} bit")

read_wav_header('audio.wav')

八、二进制文件应用场景

8.1 数据序列化

import struct

# 将数据序列化为二进制
def serialize_data(data):
    # 格式：3个整数，2个浮点数，1个字符串（10字节）
    packed = struct.pack('3if10s', 
                        data['a'], data['b'], data['c'],
                        data['x'], data['y'],
                        data['name'].encode('utf-8'))
    return packed

# 反序列化
def deserialize_data(packed):
    values = struct.unpack('3if10s', packed)
    return {
        'a': values[0],
        'b': values[1],
        'c': values[2],
        'x': values[3],
        'y': values[4],
        'name': values[5].decode('utf-8').rstrip('\x00')
    }

data = {'a': 1, 'b': 2, 'c': 3, 'x': 1.5, 'y': 2.5, 'name': 'test'}
packed = serialize_data(data)
unpacked = deserialize_data(packed)

8.2 网络数据传输

import struct

# 构造网络数据包
def build_packet(seq_num, data):
    # 数据包格式：序列号(4字节) + 数据长度(4字节) + 数据
    packet = struct.pack('!II', seq_num, len(data))
    packet += data.encode('utf-8')
    return packet

# 解析网络数据包
def parse_packet(packet):
    seq_num = struct.unpack('!I', packet[:4])[0]
    data_len = struct.unpack('!I', packet[4:8])[0]
    data = packet[8:8+data_len].decode('utf-8')
    return {'seq_num': seq_num, 'data': data}

8.3 文件加密

# 简单的XOR加密
def xor_encrypt(data, key):
    encrypted = bytearray()
    for byte in data:
        encrypted.append(byte ^ key)
    return bytes(encrypted)

# 加密文件
def encrypt_file(input_file, output_file, key):
    with open(input_file, 'rb') as f:
        data = f.read()
    encrypted = xor_encrypt(data, key)
    with open(output_file, 'wb') as f:
        f.write(encrypted)

# 解密文件
def decrypt_file(input_file, output_file, key):
    with open(input_file, 'rb') as f:
        data = f.read()
    decrypted = xor_encrypt(data, key)
    with open(output_file, 'wb') as f:
        f.write(decrypted)

九、二进制文件处理技巧

9.1 分块读取大文件

def process_large_file(filename, chunk_size=4096):
    with open(filename, 'rb') as f:
        while True:
            chunk = f.read(chunk_size)
            if not chunk:
                break
            # 处理每个块
            process(chunk)

9.2 查找二进制模式

def find_pattern(filename, pattern):
    with open(filename, 'rb') as f:
        data = f.read()
        index = data.find(pattern)
        if index != -1:
            print(f"找到模式，位置：{index}")
        else:
            print("未找到模式")

find_pattern('file.bin', b'\x00\x01\x02')

9.3 修改二进制文件

def modify_file(filename, offset, new_data):
    with open(filename, 'r+b') as f:
        f.seek(offset)
        f.write(new_data)

# 修改文件的第10个字节
modify_file('file.bin', 10, b'\xFF')

十、最佳实践

10.1 使用with语句

# 推荐
with open('file.bin', 'rb') as f:
    data = f.read()

# 不推荐
f = open('file.bin', 'rb')
data = f.read()
f.close()

10.2 处理大文件时分块读取

# 推荐
with open('large_file.bin', 'rb') as f:
    while True:
        chunk = f.read(4096)
        if not chunk:
            break
        process(chunk)

# 不推荐（可能内存溢出）
with open('large_file.bin', 'rb') as f:
    data = f.read()  # 一次性读取整个文件

10.3 使用struct模块处理结构化数据

import struct

# 推荐：使用struct模块
data = struct.pack('if', 42, 3.14)

# 不推荐：手动构造
data = bytes([42, 0, 0, 0]) + bytes([0x1f, 0x85, 0xeb, 0x51])

10.4 异常处理

try:
    with open('file.bin', 'rb') as f:
        data = f.read()
except FileNotFoundError:
    print('文件不存在')
except PermissionError:
    print('没有权限访问文件')
except Exception as e:
    print(f'发生错误：{e}')

十一、总结

本集学习了二进制文件操作的知识：

二进制文件与文本文件的区别
二进制文件的打开、读取、写入操作
struct模块的使用方法
图片、音频等二进制文件的处理
二进制文件的应用场景和处理技巧

二进制文件操作在处理图片、音频、视频、网络数据传输等场景中非常重要。下一集我们将学习CSV文件操作。

十二、练习题

创建一个二进制文件，写入一些字节，然后读取并显示。
使用struct模块打包和解包一组数据（整数、浮点数、字符串）。
编写一个函数，复制图片文件。
实现一个简单的XOR加密/解密程序。
读取WAV文件的头部信息，显示采样率、声道数等。
编写一个函数，在二进制文件中查找指定的字节模式。
实现一个数据序列化/反序列化程序。
编写一个程序，分块读取大文件并统计文件大小。