python中的二进制文件IO，从哪里开始？

Question

作为一个自学成才的python爱好者，我将如何学习使用标准格式导入和导出二进制文件？

我想实现一个脚本，它采用ePub电子书（XHTML+CSS在一个zip中）并将其转换为mobipocket（Palmdoc）格式，以便允许Amazon Kindle读取它（作为我正在进行的一个更大项目的一部分）。

已经有一个很棒的开源项目来管理电子书库：Calibre。我想把它作为一个学习/自学练习来自己实现。我开始看他们的python source code，意识到我不知道发生了什么。当然，在任何事情上自学的最大危险是不知道自己不知道的事情。

在本例中，我知道我不太了解这些二进制文件以及如何在python代码（struct？）中使用它们。但我想我可能遗漏了很多关于二进制文件的知识，我想了解一些如何使用它们的帮助。Here is a detailed overview的mobi/palmdoc头。谢谢！

编辑：没问题，说得对！对于如何获得使用二进制文件的基本知识，您有什么建议吗？特定于Python的方法会有帮助，但其他方法也可能有用。

汤姆：编辑成问题，增加了介绍/更好的标题

Answer 1

正如您在问题中指出的，您可能应该从struct模块开始，当然，也可以将文件作为二进制文件打开。

基本上你只需要从文件的开头开始，把它一块一块地分开。这是个麻烦，但不是个大问题。如果文件被压缩或加密，事情会变得更加困难。如果你从一个你知道文件内容的文件开始，这样你就不会一直在猜测，这是很有帮助的。

试试看，也许你会提出更具体的问题。

Answer 2

如果你想构造和分析二进制文件，struct模块会给你基本的工具，但它不是很友好，特别是如果你想看的东西不是一个完整的字节数。

有几个模块可以提供帮助，例如BitVector、bitarray和bitstring。（我赞成bitstring，但我写的，所以可能有偏见）。

对于解析二进制格式，hachoir模块非常好，但我怀疑它对于您当前的需要来说太高了。

Answer 3

为了教会自己使用python工具来处理二进制文件， this will get you going。也很有趣。使用二进制文件，拉链，图像。。。更多。