Python中二进制文件IO，如何入门？

Question

作为一个自学的Python爱好者，我该如何学习使用标准格式导入和导出二进制文件呢？

我想写一个脚本，把ePub电子书（其实就是一个包含XHTML和CSS的压缩文件）转换成mobipocket（Palmdoc）格式，这样亚马逊Kindle就能读取它（这是我正在进行的一个大项目的一部分）。

现在已经有一个很棒的开源项目可以管理电子书库：Calibre。我想自己尝试实现这个功能，作为一个学习和自我教学的练习。我开始查看他们的Python源代码，但发现自己完全搞不懂里面在说什么。当然，自学的一个大问题就是你不知道自己不知道什么。

在这种情况下，我知道自己对这些二进制文件以及如何在Python代码中处理它们了解得不多（struct？）。但我觉得我可能对二进制文件的知识缺失很多，我希望能得到一些帮助，理解如何处理这些文件。这里有一个关于mobi/palmdoc头部的详细概述。谢谢！

编辑：没有问题，好的观点！你有没有什么建议，可以帮助我获得关于处理二进制文件的基本知识？如果是Python相关的那就更好了，但其他方法也可以有帮助。

TOM:编辑为问题，添加了介绍/更好的标题

Answer 1

如果你想自学一些可以处理二进制文件的Python工具，这个网站会很有帮助。而且还挺有趣的。里面有很多关于二进制、压缩文件、图片等的练习……还有更多内容等着你去探索。

Answer 2

如果你想要构建和分析二进制文件，struct模块能提供一些基本工具，但使用起来不是特别方便，尤其是当你想查看那些不是整字节的内容时。

有一些模块可以帮你，比如BitVector、bitarray和bitstring。（我比较喜欢bitstring，不过这是我自己写的，所以可能有点偏见。）

如果你需要解析二进制格式，hachoir模块非常不错，但我觉得它可能对你现在的需求来说有点复杂。

Answer 3

你可以先从struct模块入手，正如你在问题中提到的，当然，打开文件时要选择二进制模式。

简单来说，你就是从文件的开头开始，一点一点地分析里面的内容。这可能会有点麻烦，但并不是特别难。如果文件是压缩过的或者加密的，那就会更复杂一些。最好先从你知道内容的文件开始，这样就不用一直在猜了。

试试看，可能你会有更具体的问题出现。