Python二进制EOF

Question

我想读取一个二进制文件。 谷歌搜索“python binary eof”引导我here。

现在，问题：

1. 为什么容器（SO 答案中的 x）不包含单个（当前）字节，而是包含一大堆？我做错了什么？
2. 如果应该是这样并且我没有做错任何事情，那么如何读取单个字节？我的意思是，在使用read(1) 方法读取文件时，有什么方法可以检测 EOF？

Answer 1

逐字节读取：

with open(filename, 'rb') as f:
    while True:
        b = f.read(1)
        if not b:
            # eof
            break
        do_something(b)

Answer 2

"" 表示文件结束

with open(filename, 'rb') as f:
    for ch in iter(lambda: f.read(1),""): # keep calling f.read(1) until end of the data
        print ch

Answer 3

引用documentation：

file.read([size])

最多从文件中读取 size 字节（如果读取达到 EOF 则更少在获取 size 字节之前）。如果 size 参数为负数或省略，则读取所有数据，直到达到 EOF。字节作为字符串对象返回。 当立即遇到 EOF 时返回一个空字符串。 （对于某些文件，如 ttys，在 EOF 被命中后继续读取是有意义的。）请注意，此方法可能会多次调用底层 C 函数 fread() 以获取尽可能接近 size 的字节。另请注意，在非阻塞模式下，即使没有给出大小参数，返回的数据也可能少于请求的数据。

这意味着（对于regular file）：

• f.read(1) 将返回一个字节对象，其中包含 1 字节或 0 字节是否达到 EOF
• f.read(2) 将返回一个包含 2 个字节的字节对象，如果在第一个字节之后到达 EOF，则返回 1 个字节，如果立即遇到 EOF，则返回 0 个字节。
• ...

如果您想一次读取一个字节的文件，则必须在循环中 read(1) 并测试结果的“空性”：

# From answer by @Daniel
with open(filename, 'rb') as f:
    while True:
        b = f.read(1)
        if not b:
            # eof
            break
        do_something(b)

如果您想一次读取 50 个字节的“块”文件，则必须循环使用 read(50)：

with open(filename, 'rb') as f:
    while True:
        b = f.read(50)
        if not b:
            # eof
            break
        do_something(b) # <- be prepared to handle a last chunk of length < 50
                        #    if the file length *is not* a multiple of 50

事实上，您甚至可以更快地中断一次迭代：

with open(filename, 'rb') as f:
    while True:
        b = f.read(50)
        do_something(b) # <- be prepared to handle a last chunk of size 0
                        #    if the file length *is* a multiple of 50
                        #    (incl. 0 byte-length file!)
                        #    and be prepared to handle a last chunk of length < 50
                        #    if the file length *is not* a multiple of 50
        if len(b) < 50:
            break

---

关于你问题的另一部分：

为什么容器 [..] 包含 [..] 一大堆 [bytes]？

参考that code：

for x in file:  
   i=i+1  
   print(x)  

再次引用the doc：

文件对象是它自己的迭代器，[..]。当文件用作迭代器时，通常在 for 循环中（例如，for line in f: print line.strip()），next() 方法会被重复调用。此方法返回下一个输入行，或在打开文件以进行读取时遇到 EOF 时引发 StopIteration（打开文件以进行写入时行为未定义）。

上面的代码逐行读取一个二进制文件。即在每次出现 EOL 字符 (\n) 时停止。通常，这会导致不同长度的块，因为大多数二进制文件都包含随机分布的字符。

我不鼓励您以这种方式读取二进制文件。请选择基于read(size) 的解决方案。

Answer 4

这就是我所做的。对read 的调用在遇到文件末尾时返回一个假值，这将终止循环。使用while ch != "": 复制了图像，但它给了我一个挂起的循环。

from sys import argv
donor = argv[1]
recipient = argv[2]
# read from donor and write into recipient
# with statement ends, file gets closed
with open(donor, "rb") as fp_in:
    with open(recipient, "wb") as fp_out:
        ch = fp_in.read(1)
        while ch:
            fp_out.write(ch)
            ch = fp_in.read(1)