- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我需要解析一个文件,该文件具有 UTF-16 文本 header 并紧跟二进制数据。为了能够读取二进制数据,我以“rb”模式打开文件,然后为了读取标题,将其包装到 io.TextIOWrapper() 中。
问题是当我执行 TextIOWrapper
对象的 .readline()
方法时,包装器提前读取太多(即使我只请求了一行) 然后在遇到二进制部分时遇到 UTF-16 解码错误:引发 UnicodeDecodeError
。
但是,我需要对文本数据进行适当的解析,不能简单地先进行二进制读取,然后进行 data.find(b"\n\0") 因为不能保证这实际上匹配偶数偏移量(可能在中间字符之间)。我想避免自己进行 UTF-16 解析。
有没有简单的方法告诉 TextIOWrapper
不要预读?
最佳答案
不,您不能使用 TextIOWrapper()
对象,因为它会以更大的 block 从底层缓冲区中读取,而不仅仅是按行读取,所以是的,它会尝试解码二进制数据超过第一行。你不能阻止它。
对于使用 \n
行分隔符的单行文本,您真的不需要使用 TextIOWrapper()
。二进制文件仍然支持逐行读取,其中 file.readline()
将为您提供直到下一个 \n
字节的二进制数据。只需以二进制形式打开文件,然后读取一行。
有效的 UTF-16 数据总是具有偶数长度。但是因为 UTF-16 有两种风格,大端字节序和小端字节序,所以您需要检查读取了多少数据以查看使用的字节顺序,以便有条件地读取应该属于的单个字节第一行数据。如果使用 UTF-16 little-endian,则保证读取的字节数为奇数,因为换行符被编码为 0a 00
而不是 00 0a
并且 .readline()
调用将在文件流中留下单个 00
字节。在这种情况下,只需再读取一个字节并将其添加到解码前的第一行数据中:
with open(filename, 'rb') as binfile:
firstline = binfile.readline()
if len(firstline) % 2:
# little-endian UTF-16, add one more byte
firstline += binfile.read(1)
text = firstline.decode('utf-16')
# read binary data from the file
使用 io.BytesIO()
的演示,我们首先编写 UTF-16 小端数据(使用 BOM 指示解码器的字节顺序),文本后跟两个低- 会导致 UTF-16 解码错误的代理序列代表“二进制数据”,之后我们再次读取文本和数据:
>>> import io, codecs
>>> from pprint import pprint
>>> binfile = io.BytesIO()
>>> utf16le_wrapper = io.TextIOWrapper(binfile, encoding='utf-16-le', write_through=True)
>>> utf16le_wrapper.write('\ufeff') # write the UTF-16 BOM manually, as the -le and -be variants won't include this
1
>>> utf16le_wrapper.write('The quick brown 🦊 jumps over the lazy 🐕\n')
40
>>> binfile.write(b'\xDF\xFF\xDF\xFF') # binary data, guaranteed to not decode as UTF-16
4
>>> binfile.flush() # flush and seek back to start to move to reading
>>> binfile.seek(0)
0
>>> firstline = binfile.readline() # read that first line
>>> len(firstline) % 2 # confirm we read an odd number of bytes
1
>>> firstline += binfile.read(1) # add the expected null byte
>>> pprint(firstline) # peek at the UTF-16 data we read
(b'\xff\xfeT\x00h\x00e\x00 \x00q\x00u\x00i\x00c\x00k\x00 \x00b\x00r\x00o\x00'
b'w\x00n\x00 \x00>\xd8\x8a\xdd \x00j\x00u\x00m\x00p\x00s\x00 \x00o\x00v\x00'
b'e\x00r\x00 \x00t\x00h\x00e\x00 \x00l\x00a\x00z\x00y\x00 \x00=\xd8\x15\xdc'
b'\n\x00')
>>> print(firstline.decode('utf-16')) # bom included, so the decoder detects LE vs BE
The quick brown 🦊 jumps over the lazy 🐕
>>> binfile.read()
b'\xdf\xff\xdf\xff'
仍然可以使用 TextIOWrapper()
的任何替代实现都需要一个中间包装器位于二进制文件和 TextIOWrapper()
实例之间,以防止 TextIOWrapper ()
读得太远,这将变得复杂快速并且需要包装器知道所使用的编解码器。对于单行文本,这是不值得付出努力的。
关于Python3逐行读取混合文本/二进制数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52200694/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!