Python二进制文件EOF

Question

我想要读取一个二进制文件。

我在网上搜索“python 二进制 文件结束符”，找到了这个链接。

现在，我有几个问题：

1. 为什么容器（在SO回答中提到的x）里不是一个单独的字节，而是一大堆字节？我哪里做错了吗？
2. 如果这样是正常的，我没有做错，那我该怎么读取一个单独的字节呢？也就是说，有没有办法在用read(1)方法读取文件时检测到文件结束符？

Answer 1

我做了以下事情。当调用read时，如果遇到文件的结尾，它会返回一个“假”的值，这样就会结束循环。使用while ch != "":虽然可以复制图像，但却导致了一个死循环。

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)

Answer 2

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 3

"" 表示文件的结束

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 4

引用一下文档中的内容：

file.read([size])

从文件中最多读取size个字节（如果在读取过程中遇到文件结束符（EOF），可能会少于这个数量）。如果没有提供size参数或者它是负数，就会一直读取，直到遇到文件结束符为止。读取的字节会作为字符串返回。当立即遇到文件结束符时，会返回一个空字符串。（对于某些文件，比如终端文件，继续读取在遇到文件结束符后是有意义的。）请注意，这个方法可能会多次调用底层的C函数fread()，以尽量获取接近size字节的内容。另外，当处于非阻塞模式时，即使没有给size参数，返回的数据也可能少于请求的数量。

这意味着（对于一个常规文件）：

• f.read(1)会返回一个字节对象，里面可能包含1个字节，或者如果遇到文件结束符则返回0个字节。
• f.read(2)会返回一个字节对象，里面可能包含2个字节，或者如果在读取第一个字节后遇到文件结束符则返回1个字节，或者如果立即遇到文件结束符则返回0个字节。
• ...

如果你想一次读取一个字节，就需要在循环中使用read(1)并检查结果是否为空：

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

如果你想一次读取50个字节，就需要在循环中使用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

实际上，你甚至可以提前结束一次循环：

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：

为什么这个容器[..]包含了一大堆[字节]？

参考那段代码：

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

再引用一下文档：

文件对象本身就是一个迭代器，[..]。当文件作为迭代器使用时，通常是在一个for循环中（例如，for line in f: print line.strip()），会重复调用next()方法。这个方法返回下一行输入，或者在遇到文件结束符时抛出StopIteration（当文件以写入模式打开时，行为是未定义的）。

上面的代码逐行读取一个二进制文件。它在每次遇到行结束符（\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中行结束符的出现是随机分布的。

我不建议你以这种方式读取二进制文件。请优先选择基于read(size)的解决方案。