说说Struct

以前学习Perl是时候就遇到过这个问题。网络传输进来的binary字节流如何转化为我们认识的string。如果我们知道网络流的协议，又应当如何处理这些流。

看到在进行c格式的二进制文件读取的过程中，用到了struct.unpack方法，因此开始找struct模块的一些相关解释，网上没有看到 很清晰的说明，那就根据Python v2.6.5 documentation自己写一个好了。

　　这个struct主要是用来处理C结构数据的，读入时先转换为Python的字符串类型，然后再转换为Python的结构化类型，比如元组 (tuple)啥的~

一般输入的渠道来源于文件或者网络的二进制流。

　　在转化过程中，主要用到了一个格式化字符串(format strings)，用来规定转化的方法和格式。

　　下面来谈谈主要的方法：

　　struct.pack(fmt,v1,v2,.....)

　　　　将v1,v2等参数的值进行一层包装，包装的方法由fmt指定。被包装的参数必须严格符合fmt。最后返回一个包装后的字符串。

　　struct.unpack(fmt,string)

　　　　顾名思义，解包。比如pack打包，然后就可以用unpack解包了。返回一个由解包数据(string)得到的一个元组(tuple), 即使仅有一个数据也会被解包成　　　　　　　　元组。其中len(string) 必须等于 calcsize(fmt)，这里面涉及到了一个calcsize函数，再后面谈到。

　　struct.calcsize(fmt)

　　　　这个就是用来计算fmt格式所描述的结构的大小。

 

格式字符串(format string)由一个或多个格式字符(format characters)组成，对于这些格式字符的描述参照Python manual如下

Format	C Type	Python	Notes
x	pad byte	no value
c	char	string of length 1
b	signed char	integer
B	unsigned char	integer
?	_Bool	bool	(1)
h	short	integer
H	unsigned short	integer
i	int	integer
I	unsigned int	integer or long
l	long	integer
L	unsigned long	long
q	long long	long	(2)
Q	unsigned long long	long	(2)
f	float	float
d	double	float
s	char[]	string
p	char[]	string
P	void *	long

说到这里，大家可能都有点迷糊了，那就看一段小代码

 

import struct 
 
# native byteorder 
buffer = struct.pack("ihb", 1, 2, 3) 
print repr(buffer) 
print struct.unpack("ihb", buffer) 
 
# data from a sequence, network byteorder 
data = [1, 2, 3] 
buffer = struct.pack("!ihb", *data)
print repr(buffer) 
print struct.unpack("!ihb", buffer) 

 

 

Output:

'\x01\x00\x00\x00\x02\x00\x03'
(1, 2, 3)
'\x00\x00\x00\x01\x00\x02\x03'
(1, 2, 3)

首先将参数1,2,3打包，打包前1,2,3明显属于python数据类型中的integer,pack后就变成了C结构的二进制串，转成 python的string类型来显示就是　　'\x01\x00\x00\x00\x02\x00\x03'。由于本机是小端('little- endian',关于大端和小端的区别请参照Google),故而高位放在低地址段。i 代表C struct中的int类型，故而本机占4位，1则表示为01000000;h 代表C struct中的short类型，占2位，故表示为0200;同理b 代表C struct中的signed char类型，占1位，故而表示为03。

其他结构的转换也类似，有些特别的可以参考Manual。

在Format string 的首位，有一个可选字符来决定大端和小端，列表如下：

Character	Byte order	Size and alignment
@	native	native
=	native	standard
<	little-endian	standard
>	big-endian	standard
!	network (= big-endian)	standard

如果没有附加，默认为@，即使用本机的字符顺序(大端or小端)，对于C结构的大小和内存中的对齐方式也是与本机相一致的(native)，比如有 的机器integer为2位而有的机器则为四位;有的机器内存对其位四位对齐，有的则是n位对齐(n未知，我也不知道多少)。

还有一个标准的选项，被描述为：如果使用标准的，则任何类型都无内存对齐。

比如刚才的小程序的后半部分，使用的format string中首位为！，即为大端模式标准对齐方式，故而输出的为'\x00\x00\x00\x01\x00\x02\x03'，其中高位自己就被放在 内存的高地址位了。

关于struct模块的讲解就到这里。本文只做引子，详细内容可以参见手册。由于水平有限，谬误之处还请指出。