Python中按字节读取二进制文件的最快方法

Question

我正在制作一个程序，它应该能够使用霍夫曼算法对任何类型的文件进行编码。一切正常，但是在大文件上使用它太慢了（至少我认为是这样）。当我试图打开一个 120MB 的 mp4 文件来解压它时，我花了大约 210 秒来读取文件。更不用说这样做需要大量的内存。我认为使用 struct 解包会很有效，但事实并非如此。在python中没有更有效的方法吗？我需要按字节读取任何文件，然后将其传递给字符串中的霍夫曼方法。

if __name__ == "__main__":
    start = time.time()
    with open('D:\mov.mp4', 'rb') as f:
        dataL = f.read()
    data = np.zeros(len(dataL), 'uint8')

    for i in range(0, len(dataL)):
        data[i] = struct.unpack('B', dataL[i])[0]

    data.tostring()

    end = time.time()
    print("Original file read: ")
    print end - start

    encoded, table = huffman_encode(data)

Answer 1

您的方法是将文件加载到 python 对象中 -> 创建一个空的 Numpy 数组，然后使用 Python 迭代器一点一点地填充 Numpy 数组。

让我们去掉中间商：

if __name__ == "__main__":
    start = time.time()
    data = np.fromfile('d:\mov.mp4', dtype=np.uint8, count=-1)
    end = time.time()
    print("Original file read: ")
    print end - start
    encoded, table = huffman_encode(data)

如何处理“数据”取决于您的 huffman_encode(data) 将接收的数据类型。我会尽量避免使用字符串。

关于通话的文档在这里：http://docs.scipy.org/doc/numpy/reference/generated/numpy.fromfile.html

• 我很想听听 cmets 的速度差异 :)