代码收藏家 【Python Cookbook】文件操作与IO详解（进阶篇）
文件与 IO（三）
9.读取二进制数据到可变缓冲区中（⭐⭐⭐）
你想直接读取二进制数据到一个可变缓冲区中，而不需要做任何的中间复制操作。或者你想原地修改数据并将它写回到一个文件中去。
9.1 readinto
为了读取数据到一个可变数组中，使用文件对象的 readinto() 方法。比如：
import os.path
def read_into_buffer(filename):
buf = bytearray(os.path.getsize(filename))
with open(filename, 'rb') as f:
f.readinto(buf)
return buf
下面是一个演示这个函数使用方法的例子：
>>> # Write a sample file
>>> with open('sample.bin', 'wb') as f:
... f.write(b'Hello World')
...
>>> buf = read_into_buffer('sample.bin')
>>> buf
bytearray(b'Hello World')
>>> buf[0:5] = b'Hello'
>>> buf
bytearray(b'Hello World')
>>> with open('newsample.bin', 'wb') as f:
... f.write(buf)
...
11
>>>
文件对象的 readinto() 方法能被用来为预先分配内存的数组填充数据，甚至包括由 array 模块或 numpy 库创建的数组。
和普通 read() 方法不同的是， readinto() 填充已存在的缓冲区，而不是为新对象重新分配内存再返回它们。因此，你可以使用它来避免大量的内存分配操作。比如，如果你读取一个由相同大小的记录组成的二进制文件时，你可以像下面这样写：
record_size = 32 # Size of each record (adjust value)
buf = bytearray(record_size)
with open('somefile', 'rb') as f:
while True:
n = f.readinto(buf)
if n < record_size:
break
# Use the contents of buf
...
使用 f.readinto() 时需要注意的是，你必须检查它的返回值，也就是实际读取的字节数。
如果字节数小于缓冲区大小，表明数据被截断或者被破坏了（比如你期望每次读取指定数量的字节）。
最后，留心观察其他函数库和模块中和 into 相关的函数（比如 recv_into()， pack_into() 等）。Python 的很多其他部分已经能支持直接的 I/O 或数据访问操作，这些操作可被用来填充或修改数组和缓冲区内容。
9.2 memoryview
9.2.1 零复制
另外有一个有趣特性就是 memoryview，它可以通过 零复制 的方式对已存在的缓冲区执行切片操作，甚至还能修改它的内容。
🚀 零复制（Zero-Copy）是一种 高效的数据处理技术，它允许程序 直接访问数据缓冲区，而无需在内存中复制数据。传统的数据操作（如切片、修改）通常需要先复制一份数据，而零复制技术避免了这一额外开销，从而提升性能并减少内存占用。
Python 的
memoryview对象提供了一种零复制的方式来操作现有的缓冲区（如bytes、bytearray、mmap等），允许：
- 直接引用原始数据，而无需复制。
- 修改原始数据（如果底层缓冲区可写，如
bytearray）。- 高效切片，即使操作大型数据也不会产生额外内存消耗。
比如：
>>> buf
bytearray(b'Hello World')
>>> m1 = memoryview(buf)
>>> m2 = m1[-5:]
>>> m2
<memory at 0x100681390>
>>> m2[:] = b'WORLD'
>>> buf
bytearray(b'Hello WORLD')
>>>
1. 创建 bytearray 缓冲区
buf = bytearray(b'Hello World') # 可变的字节数组
buf 是一个可修改的 bytearray，内容为 b'Hello World'。2. 创建 memoryview 对象
m1 = memoryview(buf) # 零复制方式引用 buf
m1 是 buf 的零复制视图，不复制数据，直接操作 buf 的内存。3. 对 memoryview 切片（零复制）
m2 = m1[-5:] # 获取最后 5 字节的视图（' World'）
m2 是 m1 的一个切片，仍然零复制，不会创建新数据副本。m2 的内容是 b'World'（但底层仍指向 buf 的对应部分）。4. 通过 memoryview 修改原始数据
m2[:] = b'WORLD' # 修改 m2 的内容
m2 的内容替换为 b'WORLD'，由于 m2 是零复制视图，直接修改了 buf。buf 变为 bytearray(b'Hello WORLD')。9.2.2 与传统方式的对比
传统方式（非零复制）
buf = bytearray(b'Hello World')
sliced = buf[-5:] # 复制数据，生成新对象
sliced = b'WORLD' # 修改的是副本，不影响 buf
print(buf) # 仍为 b'Hello World'（未改变）
零复制方式（memoryview）
buf = bytearray(b'Hello World')
m = memoryview(buf)
m[-5:][:] = b'WORLD' # 直接修改原始数据
print(buf) # 输出 b'Hello WORLD'
9.2.3 总结
memoryview 直接操作原始缓冲区，避免数据拷贝。memoryview 的作用：
10.内存映射的二进制文件（⭐⭐⭐）
你想 内存映射一个二进制文件到一个可变字节数组中，目的可能是为了随机访问它的内容或者是原地做些修改。
使用 mmap 模块来内存映射文件。下面是一个工具函数，向你演示了如何打开一个文件并以一种便捷方式内存映射这个文件。
import os
import mmap
def memory_map(filename, access=mmap.ACCESS_WRITE):
size = os.path.getsize(filename)
fd = os.open(filename, os.O_RDWR)
return mmap.mmap(fd, size, access=access)
access：访问模式，默认mmap.ACCESS_WRITE（可读写），其他选项：mmap.ACCESS_READ（只读）mmap.ACCESS_COPY（写操作不修改原文件，仅修改内存副本）os.path.getsize(filename)：返回文件大小（字节数），用于确定内存映射的大小。os.open(filename, os.O_RDWR)os.open()比open()更底层，返回文件描述符fd（整数）。os.O_RDWR：以读写模式打开文件。mmap.mmap(fd, size, access=access)：fd：文件描述符。size：映射的字节数（通常等于文件大小）。access：访问权限（如mmap.ACCESS_WRITE）。返回一个 mmap对象，可以像操作bytes或bytearray一样操作文件数据。
为了使用这个函数，你需要有一个已创建并且 内容不为空 的文件。下面是一个例子，教你怎样初始创建一个文件并将其内容扩充到指定大小：
>>> size = 1000000
>>> with open('data', 'wb') as f:
... f.seek(size-1)
... f.write(b'\x00')
...
>>>
f.seek(N)将文件指针移动到第N个字节（从 0 开始计数）。这里移动到 size - 1（即第 999,999 字节），因为我们要在最后写入 1 字节。b'\x00'是一个值为 0 的字节（即空字节）。写入后，文件大小变为 size（1,000,000 字节），未显式写入的部分会自动填充\x00。
下面是一个利用 memory_map() 函数类内存映射文件内容的例子：
>>> m = memory_map('data')
>>> len(m)
1000000
>>> m[0:10]
b'\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00'
>>> m[0]
0
>>> # Reassign a slice
>>> m[0:11] = b'Hello World'
>>> m.close()
>>> # Verify that changes were made
>>> with open('data', 'rb') as f:
... print(f.read(11))
...
b'Hello World'
>>>
mmap() 返回的 mmap 对象同样也可以作为一个上下文管理器来使用，这时候底层的文件会被自动关闭。比如：
>>> with memory_map('data') as m:
... print(len(m))
... print(m[0:10])
...
1000000
b'Hello World'
>>> m.closed
True
>>>
默认情况下，memeory_map() 函数打开的文件同时支持读和写操作。任何的修改内容都会复制回原来的文件中。
如果需要只读的访问模式，可以给参数 access 赋值为 mmap.ACCESS_READ。比如：
m = memory_map(filename, mmap.ACCESS_READ)
如果你想在本地修改数据，但是又不想将修改写回到原始文件中，可以使用 mmap.ACCESS_COPY：
m = memory_map(filename, mmap.ACCESS_COPY)
为了随机访问文件的内容，使用 mmap 将文件映射到内存中是一个高效和优雅的方法。例如，你无需打开一个文件并执行大量的 seek()， read()， write() 调用， 只需要简单的映射文件并使用切片操作访问数据即可。
一般来讲， mmap() 所暴露的内存看上去就是一个二进制数组对象。但是，你可以使用一个内存视图来解析其中的数据。比如：
>>> m = memory_map('data')
>>> # Memoryview of unsigned integers
>>> v = memoryview(m).cast('I')
>>> v[0] = 7
>>> m[0:4]
b'\x07\x00\x00\x00'
>>> m[0:4] = b'\x07\x01\x00\x00'
>>> v[0]
263
>>>
1. 内存映射文件
m = memory_map('data')
memory_map('data') 将文件 data 映射到内存，返回一个 mmap 对象 m，可以像 bytes 一样操作。2. 创建 memoryview 并转换为无符号整数（'I'）
v = memoryview(m).cast('I')
memoryview(m) 创建一个内存视图，允许以不同方式解释底层数据。.cast('I') 将数据解释为 无符号整数（unsigned int，4字节）：
'I' 是 struct 模块的格式字符，表示 4 字节无符号整数（小端序）。v 是一个无符号整数数组，可以直接通过索引访问/修改。3. 修改无符号整数值
v[0] = 7
v[0]，对应 m[0:4]）设为 7。m[0:4] 的字节变为 b'\x07\x00\x00\x00'（小端序）。4. 查看底层字节
m[0:4]
b'\x07\x00\x00\x00'，即：
0x07 0x00 0x00 0x00（小端序表示 7）。5. 直接修改字节数据
m[0:4] = b'\x07\x01\x00\x00'
mmap 对象修改前 4 字节为 b'\x07\x01\x00\x00'（小端序）。6. 查看无符号整数值
v[0]
263，因为：
b'\x07\x01\x00\x00' 在小端序下解析为 0x00000107 = 263。示例扩展
假设文件 data 初始内容为 b'\x00\x00\x00\x00\x00\x00\x00\x00'（8字节全0）：
# 映射文件并转换为无符号整数数组
m = memory_map('data') # 假设文件大小为 8 字节
v = memoryview(m).cast('I')
# 修改前两个整数
v[0] = 7 # m[0:4] = b'\x07\x00\x00\x00'
v[1] = 263 # m[4:8] = b'\x07\x01\x00\x00'
# 验证
print(m[0:8]) # 输出 b'\x07\x00\x00\x00\x07\x01\x00\x00'
print(v[0], v[1]) # 输出 7, 263
需要强调的一点是，内存映射一个文件并不会导致整个文件被读取到内存中。也就是说，文件并没有被复制到内存缓存或数组中。相反，操作系统仅仅为文件内容保留了一段虚拟内存。当你访问文件的不同区域时，这些区域的内容才根据需要被读取并映射到内存区域中。而那些从没被访问到的部分还是留在磁盘上。所有这些过程是透明的，在幕后完成！
如果多个 Python 解释器内存映射同一个文件，得到的 mmap 对象能够被用来在解释器直接交换数据。也就是说，所有解释器都能同时读写数据，并且其中一个解释器所做的修改会自动呈现在其他解释器中。很明显，这里需要考虑同步的问题。但是这种方法有时候可以用来在管道或套接字间传递数据。
这一小节中函数尽量写得很通用，同时适用于 Unix 和 Windows 平台。要注意的是使用 mmap() 函数时会在底层有一些平台的差异性。
另外，还有一些选项可以用来创建匿名的内存映射区域。如果你对这个感兴趣，确保你仔细研读了 Python 文档中 这方面的内容 。
作者：G皮T
