1

我在下面的代码中读取了一个具有特殊结构的大文件 - 其中有两个需要同时处理的块。我没有在文件中来回寻找，而是加载了这两个包含在memoryview调用中的块

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

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

  1. 我的技巧是file_names_block[names_record_index:]使用 memoryview 魔术还是创建一些 n^2 切片？我需要在这里使用islice吗？
  2. 如所见，我只是手动查找空字节，然后继续unpack_from。但是我阅读了如何在 python 中将字节字符串拆分为单独的字节，我可以cast()在内存视图上使用（文档？） - 任何方式使用它（或其他技巧）以字节为单位拆分视图？我可以打电话split('\x00')吗？这会保持内存效率吗？

我希望能深入了解一种正确的方法（在 python 2 中）。

4

1 回答 1

2

当涉及到以空字符结尾的字符串时， Amemoryview不会给您任何优势，因为它们除了固定宽度的数据外没有任何功能。你也可以bytes.split()在这里使用：

file_names_block = bsa_file.read(total_file_name_length)
file_names = file_names_block.split(b'\00')

切片 amemoryview不会使用额外的内存（视图参数除外），但如果使用强制转换，您会在尝试访问序列中的元素时为解析的内存区域生成新的本地对象。

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。只需在处理值时对内存视图的字节进行切片folder_path，无需保留索引：

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

因为它memoryview来自一个bytes对象，所以索引将为您提供一个字节的整数值，.tobytes()在给定的切片上为您bytes提供该部分的新字符串，然后您可以继续切片以将剩余部分留给下一个循环。

于 2016-10-18T16:08:41.733 回答