如何在Python 2.x中以文本形式存储原始字节而不丢失信息？

Question

假设我有一些数据是以字节的形式存储的。例如：

0110001100010101100101110101101

我该如何把它存储成可打印的文本呢？最简单的方法就是把每个0都换成字符'0'，把每个1都换成字符'1'。其实我现在就是这么做的。不过我想知道有没有更紧凑的存储方式，而不丢失任何信息。

我想过把每八个比特（也就是0和1的组合）转换成ASCII码，但有些比特组合在这种格式下是不被接受的。还有其他的想法吗？

Answer 1

你可以试试标准的 array 模块或者 struct 模块。这些模块可以以节省空间的方式存储字节，但它们不直接支持位（bit）。

你还可以看看这个链接 http://cobweb.ecn.purdue.edu/~kak/dist/BitVector-1.2.html 或者这个链接 http://ilan.schnell-web.net/prog/bitarray/

Answer 2

我不太明白你在说什么。

>>> sample = "".join( chr(c) for c in range(256) )
>>> len(sample)
256
>>> sample
'\x00\x01\x02\x03\x04\x05\x06\x07\x08\t\n\x0b\x0c\r\x0e\x0f\x10\x11\x12\x13\x14\
x15\x16\x17\x18\x19\x1a\x1b\x1c\x1d\x1e\x1f !"#$%&\'()*+,-./0123456789:;<=>?@ABC
DEFGHIJKLMNOPQRSTUVWXYZ[\\]^_`abcdefghijklmnopqrstuvwxyz{|}~\x7f\x80\x81\x82\x83
\x84\x85\x86\x87\x88\x89\x8a\x8b\x8c\x8d\x8e\x8f\x90\x91\x92\x93\x94\x95\x96\x97
\x98\x99\x9a\x9b\x9c\x9d\x9e\x9f\xa0\xa1\xa2\xa3\xa4\xa5\xa6\xa7\xa8\xa9\xaa\xab
\xac\xad\xae\xaf\xb0\xb1\xb2\xb3\xb4\xb5\xb6\xb7\xb8\xb9\xba\xbb\xbc\xbd\xbe\xbf
\xc0\xc1\xc2\xc3\xc4\xc5\xc6\xc7\xc8\xc9\xca\xcb\xcc\xcd\xce\xcf\xd0\xd1\xd2\xd3
\xd4\xd5\xd6\xd7\xd8\xd9\xda\xdb\xdc\xdd\xde\xdf\xe0\xe1\xe2\xe3\xe4\xe5\xe6\xe7
\xe8\xe9\xea\xeb\xec\xed\xee\xef\xf0\xf1\xf2\xf3\xf4\xf5\xf6\xf7\xf8\xf9\xfa\xfb
\xfc\xfd\xfe\xff'

这个字符串 sample 包含了所有256个不同的字节。并不存在什么“位组合...不被接受”的说法。

要让它变得可打印，只需要用 repr(sample) 这个方法——非ASCII字符会被转义。就像你上面看到的那样。

Answer 3

那如果用只包含“安全”字符的编码，比如base64呢？
http://en.wikipedia.org/wiki/Base64

补充一下：这是假设你想安全地把数据存储在文本文件之类的地方，对吧？

在Python 2.x中，字符串是没问题的（Python不使用以空字符结束的字符串，所以不用担心这个）。

如果是3.x版本，可以看看bytes和bytearray对象。
http://docs.python.org/3.0/library/stdtypes.html#bytes-methods