Python二进制文件读取并转换

标签（空格分隔）： python

[toc]

本文所用环境： Python 3.6.5 |Anaconda custom (64-bit)|

引言

由于某些原因，需要用python读取二进制文件，这里主要用到struct包，而这个包里面的方法主要是unpack、pack、calcsize。详细介绍可以看：Python Struct 官方文档。这里主要讨论，python二进制转浮点数的操作。

python中一个float类型的数占4个字节。 二进制数据转float，可以用struct.unpack()来实现。

小文件读取

较小的文件，可以一次读取：

首先导入所需的包：

1
2

import numpy as np
import struct

例如：我需要读取一个名为filename，存放着形状为[100,1025]的浮点数的文件。可以采用以下办法

1
2
3
4
5
6

# 加载测试数据
f = open('filename','rb')
# 102500为文档中包含的数字个数，而一个浮点数占4个字节
data_raw = struct.unpack('f'*102500,f.read(4*102500))
f.close()
verify_data =  np.asarray(verify_data_raw).reshape(-1,1025)

大文件处理方法

我需要处理的文件大小有38.1G，存放着[10000000,1025]大小的向量。 文件大小 关于大文件的处理，我参考了这位博主的文章-强悍的 Python —— 读取大文件，前两种方法都会造成MemoryError。第三种不会，但是，这个方法不能很好的将二进制文件转换成浮点数。

所以我想到了另外一种办法：

通过Linux命令切割文件

通过split命令将38.1G的文件按照指定大小切割，

1

split -b 820000k -a 2 filename data_

上述代码的意思是，指定每块大小为820000k，-a 2代表2位数命名，‘data_’代表前缀是’data_' 最终生成49个文件(字典序 aa - bw)，前48个文件每个204800行 最后一个文件 169600行 $$ 820000 = 4_1025_204800/1024 $$

通过python循环读取文件

首先构建词汇表：

1
2
3
4
5

voc = ['a','b','c','d','e','f','g','h','i','j','k','l',
       'm','n','o','p','q','r','s','t','u','v','w','x',
       'y','z']
voc_short = ['a','b','c','d','e','f','g','h','i','j','k','l',
       'm','n','o','p','q','r','s','t','u','v']

为了方便读取，将49个二进制文件转换成numpy专用二进制格式*.npy

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

for i in voc:
    data_name = 'data_a'+str(i)
    f = open(data_name,'rb')
    data_raw = struct.unpack('f'*209920000,f.read(4*209920000))
    f.close()
    data = np.asarray(data_raw).reshape(-1,1025)
    np.save(data_name+'.npy',data) # 保存data_a*.npy文件

for i in voc_short:
    data_name = 'data_b'+str(i)
    f = open(data_name,'rb')
    data_raw = struct.unpack('f'*209920000,f.read(4*209920000))
    f.close()
    data = np.asarray(data_raw).reshape(-1,1025)
    np.save(data_name+'.npy',data) # 保存data_b*.npy文件

data_name = 'data_bw'
f = open(data_name,'rb')
data_raw = struct.unpack('f'*173840000,f.read(4*173840000))
np.save(data_name+'.npy',data_raw) # 保存data_bw.npy文件