En Python, comment lire un fichier binaire et boucler sur chaque octet de ce fichier?
En Python, comment lire un fichier binaire et boucler sur chaque octet de ce fichier?
Réponses:
Python 2.4 et versions antérieures
f = open("myfile", "rb")
try:
byte = f.read(1)
while byte != "":
# Do stuff with byte.
byte = f.read(1)
finally:
f.close()
Python 2.5-2.7
with open("myfile", "rb") as f:
byte = f.read(1)
while byte != "":
# Do stuff with byte.
byte = f.read(1)
Notez que l'instruction with n'est pas disponible dans les versions de Python inférieures à 2.5. Pour l'utiliser dans la version 2.5, vous devrez l'importer:
from __future__ import with_statement
En 2.6, cela n'est pas nécessaire.
Python 3
En Python 3, c'est un peu différent. Nous n'obtiendrons plus les caractères bruts du flux en mode octet mais les objets octets, nous devons donc modifier la condition:
with open("myfile", "rb") as f:
byte = f.read(1)
while byte != b"":
# Do stuff with byte.
byte = f.read(1)
Ou, comme le dit Benhoyt, sautez l'inégal et profitez du fait que la valeur est b""
fausse. Cela rend le code compatible entre 2.6 et 3.x sans aucune modification. Cela vous éviterait également de changer la condition si vous passez du mode octet au texte ou inversement.
with open("myfile", "rb") as f:
byte = f.read(1)
while byte:
# Do stuff with byte.
byte = f.read(1)
python 3.8
Désormais grâce à: = opérateur le code ci-dessus peut être écrit de manière plus courte.
with open("myfile", "rb") as f:
while (byte := f.read(1)):
# Do stuff with byte.
Ce générateur produit des octets à partir d'un fichier, en lisant le fichier par morceaux:
def bytes_from_file(filename, chunksize=8192):
with open(filename, "rb") as f:
while True:
chunk = f.read(chunksize)
if chunk:
for b in chunk:
yield b
else:
break
# example:
for b in bytes_from_file('filename'):
do_stuff_with(b)
Consultez la documentation Python pour plus d'informations sur les itérateurs et les générateurs .
8192 Byte = 8 kB
(en fait c'est KiB
mais ce n'est pas aussi connu). La valeur est "totalement" aléatoire mais 8 Ko semble être une valeur appropriée: pas trop de mémoire est gaspillée et il n'y a toujours pas "trop" d'opérations de lecture comme dans la réponse acceptée par Skurmedel ...
for b in chunk:
boucle la plus intérieure par yield from chunk
. Cette forme de a yield
été ajoutée dans Python 3.3 (voir Expressions de rendement ).
Si le fichier n'est pas trop gros, le conserver en mémoire est un problème:
with open("filename", "rb") as f:
bytes_read = f.read()
for b in bytes_read:
process_byte(b)
où process_byte représente une opération que vous souhaitez effectuer sur l'octet transmis.
Si vous souhaitez traiter un morceau à la fois:
with open("filename", "rb") as f:
bytes_read = f.read(CHUNKSIZE)
while bytes_read:
for b in bytes_read:
process_byte(b)
bytes_read = f.read(CHUNKSIZE)
L' with
instruction est disponible en Python 2.5 et supérieur.
Pour lire un fichier - un octet à la fois (en ignorant la mise en mémoire tampon) - vous pouvez utiliser la fonction intégrée à deux argumentsiter(callable, sentinel)
:
with open(filename, 'rb') as file:
for byte in iter(lambda: file.read(1), b''):
# Do stuff with byte
Il appelle file.read(1)
jusqu'à ce qu'il ne retourne rien b''
(bytestring vide). La mémoire ne devient pas illimitée pour les fichiers volumineux. Vous pouvez passer buffering=0
à open()
, pour désactiver la mise en mémoire tampon - cela garantit qu'un seul octet est lu par itération (lent).
with
-statement ferme le fichier automatiquement - y compris le cas où le code en dessous déclenche une exception.
Malgré la présence de tampons internes par défaut, il est toujours inefficace de traiter un octet à la fois. Par exemple, voici l' blackhole.py
utilitaire qui mange tout ce qui lui est donné:
#!/usr/bin/env python3
"""Discard all input. `cat > /dev/null` analog."""
import sys
from functools import partial
from collections import deque
chunksize = int(sys.argv[1]) if len(sys.argv) > 1 else (1 << 15)
deque(iter(partial(sys.stdin.detach().read, chunksize), b''), maxlen=0)
Exemple:
$ dd if=/dev/zero bs=1M count=1000 | python3 blackhole.py
Il traite ~ 1,5 Go / s lorsque chunksize == 32768
sur ma machine et seulement ~ 7,5 Mo / s quand chunksize == 1
. Autrement dit, il est 200 fois plus lent à lire un octet à la fois. Tenez-en compte si vous pouvez réécrire votre traitement pour utiliser plusieurs octets à la fois et si vous avez besoin de performances.
mmap
vous permet de traiter un fichier comme un bytearray
et un objet fichier simultanément. Il peut servir d'alternative au chargement de l'ensemble du fichier en mémoire si vous avez besoin d'accéder aux deux interfaces. En particulier, vous pouvez parcourir un octet à la fois sur un fichier mappé en mémoire en utilisant simplement une for
boucle simple :
from mmap import ACCESS_READ, mmap
with open(filename, 'rb', 0) as f, mmap(f.fileno(), 0, access=ACCESS_READ) as s:
for byte in s: # length is equal to the current file size
# Do stuff with byte
mmap
prend en charge la notation de tranche. Par exemple, mm[i:i+len]
retourne des len
octets du fichier à partir de la position i
. Le protocole du gestionnaire de contexte n'est pas pris en charge avant Python 3.2; vous devez appeler mm.close()
explicitement dans ce cas. L'itération sur chaque octet en utilisant mmap
consomme plus de mémoire que file.read(1)
, mais mmap
est plus rapide d'un ordre de grandeur.
numpy
tableaux (octets) mappés en mémoire équivalents .
numpy.memmap()
et vous pouvez obtenir les données un octet à la fois (ctypes.data). Vous pourriez penser que les tableaux numpy sont juste un peu plus que des blobs en mémoire + métadonnées.
Lecture d'un fichier binaire en Python et boucle sur chaque octet
Nouveau dans Python 3.5 est le pathlib
module, qui a une méthode pratique spécifiquement pour lire dans un fichier en octets, nous permettant d'itérer sur les octets. Je considère que c'est une réponse décente (si rapide et sale):
import pathlib
for byte in pathlib.Path(path).read_bytes():
print(byte)
Il est intéressant de noter que c'est la seule réponse à mentionner pathlib
.
En Python 2, vous feriez probablement cela (comme le suggère également Vinay Sajip):
with open(path, 'b') as file:
for byte in file.read():
print(byte)
Dans le cas où le fichier peut être trop volumineux pour itérer sur la mémoire, vous le découpez idiomatiquement, en utilisant la iter
fonction avec la callable, sentinel
signature - la version Python 2:
with open(path, 'b') as file:
callable = lambda: file.read(1024)
sentinel = bytes() # or b''
for chunk in iter(callable, sentinel):
for byte in chunk:
print(byte)
(Plusieurs autres réponses le mentionnent, mais peu offrent une taille de lecture raisonnable.)
Créons une fonction pour ce faire, y compris des utilisations idiomatiques de la bibliothèque standard pour Python 3.5+:
from pathlib import Path
from functools import partial
from io import DEFAULT_BUFFER_SIZE
def file_byte_iterator(path):
"""given a path, return an iterator over the file
that lazily loads the file
"""
path = Path(path)
with path.open('rb') as file:
reader = partial(file.read1, DEFAULT_BUFFER_SIZE)
file_iterator = iter(reader, bytes())
for chunk in file_iterator:
yield from chunk
Notez que nous utilisons file.read1
. file.read
bloque jusqu'à ce qu'il obtienne tous les octets demandés ou EOF
. file.read1
nous permet d'éviter le blocage, et il peut revenir plus rapidement à cause de cela. Aucune autre réponse ne le mentionne également.
Faisons un fichier avec un mégaoctet (en fait mégaoctet) de données pseudo-aléatoires:
import random
import pathlib
path = 'pseudorandom_bytes'
pathobj = pathlib.Path(path)
pathobj.write_bytes(
bytes(random.randint(0, 255) for _ in range(2**20)))
Maintenant, parcourons-le et matérialisons-le en mémoire:
>>> l = list(file_byte_iterator(path))
>>> len(l)
1048576
Nous pouvons inspecter n'importe quelle partie des données, par exemple, les 100 derniers et les 100 premiers octets:
>>> l[-100:]
[208, 5, 156, 186, 58, 107, 24, 12, 75, 15, 1, 252, 216, 183, 235, 6, 136, 50, 222, 218, 7, 65, 234, 129, 240, 195, 165, 215, 245, 201, 222, 95, 87, 71, 232, 235, 36, 224, 190, 185, 12, 40, 131, 54, 79, 93, 210, 6, 154, 184, 82, 222, 80, 141, 117, 110, 254, 82, 29, 166, 91, 42, 232, 72, 231, 235, 33, 180, 238, 29, 61, 250, 38, 86, 120, 38, 49, 141, 17, 190, 191, 107, 95, 223, 222, 162, 116, 153, 232, 85, 100, 97, 41, 61, 219, 233, 237, 55, 246, 181]
>>> l[:100]
[28, 172, 79, 126, 36, 99, 103, 191, 146, 225, 24, 48, 113, 187, 48, 185, 31, 142, 216, 187, 27, 146, 215, 61, 111, 218, 171, 4, 160, 250, 110, 51, 128, 106, 3, 10, 116, 123, 128, 31, 73, 152, 58, 49, 184, 223, 17, 176, 166, 195, 6, 35, 206, 206, 39, 231, 89, 249, 21, 112, 168, 4, 88, 169, 215, 132, 255, 168, 129, 127, 60, 252, 244, 160, 80, 155, 246, 147, 234, 227, 157, 137, 101, 84, 115, 103, 77, 44, 84, 134, 140, 77, 224, 176, 242, 254, 171, 115, 193, 29]
Ne faites pas ce qui suit - cela tire un morceau de taille arbitraire jusqu'à ce qu'il atteigne un caractère de nouvelle ligne - trop lent lorsque les morceaux sont trop petits, et peut-être aussi trop gros:
with open(path, 'rb') as file:
for chunk in file: # text newline iteration - not for bytes
yield from chunk
Ce qui précède n'est bon que pour les fichiers texte lisibles sémantiquement (comme le texte brut, le code, le balisage, le démarquage, etc. ... essentiellement tout ce qui est encodé en ascii, utf, latin, etc ...) que vous devez ouvrir sans le 'b'
drapeau.
path = Path(path), with path.open('rb') as file:
plutôt que d'utiliser la fonction ouverte intégrée à la place? Ils font tous les deux la même chose, n'est-ce pas?
Path
objet car c'est une nouvelle façon très pratique de gérer les chemins. Au lieu de passer une chaîne dans les fonctions "à droite" soigneusement choisies, nous pouvons simplement appeler les méthodes sur l'objet chemin, qui contient essentiellement la plupart des fonctionnalités importantes que vous souhaitez avec ce qui est sémantiquement une chaîne chemin. Avec les IDE qui peuvent inspecter, nous pouvons également obtenir plus facilement la saisie semi-automatique. Nous pourrions accomplir la même chose avec le programme open
intégré, mais il y a beaucoup d'avantages lors de l'écriture du programme pour que le programmeur utilise l' Path
objet à la place.
file_byte_iterator
est beaucoup plus rapide que toutes les méthodes que j'ai essayées sur cette page. Bravo à vous!
Pour résumer tous les points brillants de chrispy, Skurmedel, Ben Hoyt et Peter Hansen, ce serait la solution optimale pour traiter un fichier binaire un octet à la fois:
with open("myfile", "rb") as f:
while True:
byte = f.read(1)
if not byte:
break
do_stuff_with(ord(byte))
Pour les versions python 2.6 et supérieures, car:
Ou utilisez la solution JF Sebastians pour une vitesse améliorée
from functools import partial
with open(filename, 'rb') as file:
for byte in iter(partial(file.read, 1), b''):
# Do stuff with byte
Ou si vous le souhaitez en tant que fonction de générateur comme démontré par codeape:
def bytes_from_file(filename):
with open(filename, "rb") as f:
while True:
byte = f.read(1)
if not byte:
break
yield(ord(byte))
# example:
for b in bytes_from_file('filename'):
do_stuff_with(b)
Après avoir essayé tout ce qui précède et utilisé la réponse de @Aaron Hall, j'obtenais des erreurs de mémoire pour un fichier de ~ 90 Mo sur un ordinateur exécutant Windows 10, 8 Go de RAM et Python 3.5 32 bits. Un collègue m'a recommandé d'utilisernumpy
place et cela fonctionne à merveille.
De loin, le plus rapide pour lire un fichier binaire entier (que j'ai testé) est:
import numpy as np
file = "binary_file.bin"
data = np.fromfile(file, 'u1')
Multitudes plus rapides que toutes les autres méthodes jusqu'à présent. J'espère que cela aide quelqu'un!
numpy
, cela pourrait valoir la peine.
Si vous avez beaucoup de données binaires à lire, vous pouvez envisager le module struct . Il est documenté comme convertissant "entre les types C et Python", mais bien sûr, les octets sont des octets, et peu importe si ceux-ci ont été créés en tant que types C. Par exemple, si vos données binaires contiennent deux entiers de 2 octets et un entier de 4 octets, vous pouvez les lire comme suit (exemple tiré de la struct
documentation):
>>> struct.unpack('hhl', b'\x00\x01\x00\x02\x00\x00\x00\x03')
(1, 2, 3)
Vous trouverez peut-être cela plus pratique, plus rapide ou les deux que d'effectuer une boucle explicite sur le contenu d'un fichier.
Ce message lui-même n'est pas une réponse directe à la question. Il s'agit plutôt d'un référentiel extensible basé sur les données qui peut être utilisé pour comparer de nombreuses réponses (et des variantes d'utilisation de nouvelles fonctionnalités ajoutées dans des versions plus récentes et plus modernes de Python) qui ont été publiées sur cette question - et devraient donc être utile pour déterminer laquelle a les meilleures performances.
Dans quelques cas, j'ai modifié le code dans la réponse référencée pour le rendre compatible avec le framework de référence.
Tout d'abord, voici les résultats pour ce qui sont actuellement les dernières versions de Python 2 & 3:
Fastest to slowest execution speeds with 32-bit Python 2.7.16
numpy version 1.16.5
Test file size: 1,024 KiB
100 executions, best of 3 repetitions
1 Tcll (array.array) : 3.8943 secs, rel speed 1.00x, 0.00% slower (262.95 KiB/sec)
2 Vinay Sajip (read all into memory) : 4.1164 secs, rel speed 1.06x, 5.71% slower (248.76 KiB/sec)
3 codeape + iter + partial : 4.1616 secs, rel speed 1.07x, 6.87% slower (246.06 KiB/sec)
4 codeape : 4.1889 secs, rel speed 1.08x, 7.57% slower (244.46 KiB/sec)
5 Vinay Sajip (chunked) : 4.1977 secs, rel speed 1.08x, 7.79% slower (243.94 KiB/sec)
6 Aaron Hall (Py 2 version) : 4.2417 secs, rel speed 1.09x, 8.92% slower (241.41 KiB/sec)
7 gerrit (struct) : 4.2561 secs, rel speed 1.09x, 9.29% slower (240.59 KiB/sec)
8 Rick M. (numpy) : 8.1398 secs, rel speed 2.09x, 109.02% slower (125.80 KiB/sec)
9 Skurmedel : 31.3264 secs, rel speed 8.04x, 704.42% slower ( 32.69 KiB/sec)
Benchmark runtime (min:sec) - 03:26
Fastest to slowest execution speeds with 32-bit Python 3.8.0
numpy version 1.17.4
Test file size: 1,024 KiB
100 executions, best of 3 repetitions
1 Vinay Sajip + "yield from" + "walrus operator" : 3.5235 secs, rel speed 1.00x, 0.00% slower (290.62 KiB/sec)
2 Aaron Hall + "yield from" : 3.5284 secs, rel speed 1.00x, 0.14% slower (290.22 KiB/sec)
3 codeape + iter + partial + "yield from" : 3.5303 secs, rel speed 1.00x, 0.19% slower (290.06 KiB/sec)
4 Vinay Sajip + "yield from" : 3.5312 secs, rel speed 1.00x, 0.22% slower (289.99 KiB/sec)
5 codeape + "yield from" + "walrus operator" : 3.5370 secs, rel speed 1.00x, 0.38% slower (289.51 KiB/sec)
6 codeape + "yield from" : 3.5390 secs, rel speed 1.00x, 0.44% slower (289.35 KiB/sec)
7 jfs (mmap) : 4.0612 secs, rel speed 1.15x, 15.26% slower (252.14 KiB/sec)
8 Vinay Sajip (read all into memory) : 4.5948 secs, rel speed 1.30x, 30.40% slower (222.86 KiB/sec)
9 codeape + iter + partial : 4.5994 secs, rel speed 1.31x, 30.54% slower (222.64 KiB/sec)
10 codeape : 4.5995 secs, rel speed 1.31x, 30.54% slower (222.63 KiB/sec)
11 Vinay Sajip (chunked) : 4.6110 secs, rel speed 1.31x, 30.87% slower (222.08 KiB/sec)
12 Aaron Hall (Py 2 version) : 4.6292 secs, rel speed 1.31x, 31.38% slower (221.20 KiB/sec)
13 Tcll (array.array) : 4.8627 secs, rel speed 1.38x, 38.01% slower (210.58 KiB/sec)
14 gerrit (struct) : 5.0816 secs, rel speed 1.44x, 44.22% slower (201.51 KiB/sec)
15 Rick M. (numpy) + "yield from" : 11.8084 secs, rel speed 3.35x, 235.13% slower ( 86.72 KiB/sec)
16 Skurmedel : 11.8806 secs, rel speed 3.37x, 237.18% slower ( 86.19 KiB/sec)
17 Rick M. (numpy) : 13.3860 secs, rel speed 3.80x, 279.91% slower ( 76.50 KiB/sec)
Benchmark runtime (min:sec) - 04:47
Je l'ai également exécuté avec un fichier de test de 10 Mio beaucoup plus volumineux (qui a pris près d'une heure à fonctionner) et j'ai obtenu des résultats de performance comparables à ceux indiqués ci-dessus.
Voici le code utilisé pour effectuer l'analyse comparative:
from __future__ import print_function
import array
import atexit
from collections import deque, namedtuple
import io
from mmap import ACCESS_READ, mmap
import numpy as np
from operator import attrgetter
import os
import random
import struct
import sys
import tempfile
from textwrap import dedent
import time
import timeit
import traceback
try:
xrange
except NameError: # Python 3
xrange = range
class KiB(int):
""" KibiBytes - multiples of the byte units for quantities of information. """
def __new__(self, value=0):
return 1024*value
BIG_TEST_FILE = 1 # MiBs or 0 for a small file.
SML_TEST_FILE = KiB(64)
EXECUTIONS = 100 # Number of times each "algorithm" is executed per timing run.
TIMINGS = 3 # Number of timing runs.
CHUNK_SIZE = KiB(8)
if BIG_TEST_FILE:
FILE_SIZE = KiB(1024) * BIG_TEST_FILE
else:
FILE_SIZE = SML_TEST_FILE # For quicker testing.
# Common setup for all algorithms -- prefixed to each algorithm's setup.
COMMON_SETUP = dedent("""
# Make accessible in algorithms.
from __main__ import array, deque, get_buffer_size, mmap, np, struct
from __main__ import ACCESS_READ, CHUNK_SIZE, FILE_SIZE, TEMP_FILENAME
from functools import partial
try:
xrange
except NameError: # Python 3
xrange = range
""")
def get_buffer_size(path):
""" Determine optimal buffer size for reading files. """
st = os.stat(path)
try:
bufsize = st.st_blksize # Available on some Unix systems (like Linux)
except AttributeError:
bufsize = io.DEFAULT_BUFFER_SIZE
return bufsize
# Utility primarily for use when embedding additional algorithms into benchmark.
VERIFY_NUM_READ = """
# Verify generator reads correct number of bytes (assumes values are correct).
bytes_read = sum(1 for _ in file_byte_iterator(TEMP_FILENAME))
assert bytes_read == FILE_SIZE, \
'Wrong number of bytes generated: got {:,} instead of {:,}'.format(
bytes_read, FILE_SIZE)
"""
TIMING = namedtuple('TIMING', 'label, exec_time')
class Algorithm(namedtuple('CodeFragments', 'setup, test')):
# Default timeit "stmt" code fragment.
_TEST = """
#for b in file_byte_iterator(TEMP_FILENAME): # Loop over every byte.
# pass # Do stuff with byte...
deque(file_byte_iterator(TEMP_FILENAME), maxlen=0) # Data sink.
"""
# Must overload __new__ because (named)tuples are immutable.
def __new__(cls, setup, test=None):
""" Dedent (unindent) code fragment string arguments.
Args:
`setup` -- Code fragment that defines things used by `test` code.
In this case it should define a generator function named
`file_byte_iterator()` that will be passed that name of a test file
of binary data. This code is not timed.
`test` -- Code fragment that uses things defined in `setup` code.
Defaults to _TEST. This is the code that's timed.
"""
test = cls._TEST if test is None else test # Use default unless one is provided.
# Uncomment to replace all performance tests with one that verifies the correct
# number of bytes values are being generated by the file_byte_iterator function.
#test = VERIFY_NUM_READ
return tuple.__new__(cls, (dedent(setup), dedent(test)))
algorithms = {
'Aaron Hall (Py 2 version)': Algorithm("""
def file_byte_iterator(path):
with open(path, "rb") as file:
callable = partial(file.read, 1024)
sentinel = bytes() # or b''
for chunk in iter(callable, sentinel):
for byte in chunk:
yield byte
"""),
"codeape": Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
while True:
chunk = f.read(chunksize)
if chunk:
for b in chunk:
yield b
else:
break
"""),
"codeape + iter + partial": Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
for chunk in iter(partial(f.read, chunksize), b''):
for b in chunk:
yield b
"""),
"gerrit (struct)": Algorithm("""
def file_byte_iterator(filename):
with open(filename, "rb") as f:
fmt = '{}B'.format(FILE_SIZE) # Reads entire file at once.
for b in struct.unpack(fmt, f.read()):
yield b
"""),
'Rick M. (numpy)': Algorithm("""
def file_byte_iterator(filename):
for byte in np.fromfile(filename, 'u1'):
yield byte
"""),
"Skurmedel": Algorithm("""
def file_byte_iterator(filename):
with open(filename, "rb") as f:
byte = f.read(1)
while byte:
yield byte
byte = f.read(1)
"""),
"Tcll (array.array)": Algorithm("""
def file_byte_iterator(filename):
with open(filename, "rb") as f:
arr = array.array('B')
arr.fromfile(f, FILE_SIZE) # Reads entire file at once.
for b in arr:
yield b
"""),
"Vinay Sajip (read all into memory)": Algorithm("""
def file_byte_iterator(filename):
with open(filename, "rb") as f:
bytes_read = f.read() # Reads entire file at once.
for b in bytes_read:
yield b
"""),
"Vinay Sajip (chunked)": Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
chunk = f.read(chunksize)
while chunk:
for b in chunk:
yield b
chunk = f.read(chunksize)
"""),
} # End algorithms
#
# Versions of algorithms that will only work in certain releases (or better) of Python.
#
if sys.version_info >= (3, 3):
algorithms.update({
'codeape + iter + partial + "yield from"': Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
for chunk in iter(partial(f.read, chunksize), b''):
yield from chunk
"""),
'codeape + "yield from"': Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
while True:
chunk = f.read(chunksize)
if chunk:
yield from chunk
else:
break
"""),
"jfs (mmap)": Algorithm("""
def file_byte_iterator(filename):
with open(filename, "rb") as f, \
mmap(f.fileno(), 0, access=ACCESS_READ) as s:
yield from s
"""),
'Rick M. (numpy) + "yield from"': Algorithm("""
def file_byte_iterator(filename):
# data = np.fromfile(filename, 'u1')
yield from np.fromfile(filename, 'u1')
"""),
'Vinay Sajip + "yield from"': Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
chunk = f.read(chunksize)
while chunk:
yield from chunk # Added in Py 3.3
chunk = f.read(chunksize)
"""),
}) # End Python 3.3 update.
if sys.version_info >= (3, 5):
algorithms.update({
'Aaron Hall + "yield from"': Algorithm("""
from pathlib import Path
def file_byte_iterator(path):
''' Given a path, return an iterator over the file
that lazily loads the file.
'''
path = Path(path)
bufsize = get_buffer_size(path)
with path.open('rb') as file:
reader = partial(file.read1, bufsize)
for chunk in iter(reader, bytes()):
yield from chunk
"""),
}) # End Python 3.5 update.
if sys.version_info >= (3, 8, 0):
algorithms.update({
'Vinay Sajip + "yield from" + "walrus operator"': Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
while chunk := f.read(chunksize):
yield from chunk # Added in Py 3.3
"""),
'codeape + "yield from" + "walrus operator"': Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
while chunk := f.read(chunksize):
yield from chunk
"""),
}) # End Python 3.8.0 update.update.
#### Main ####
def main():
global TEMP_FILENAME
def cleanup():
""" Clean up after testing is completed. """
try:
os.remove(TEMP_FILENAME) # Delete the temporary file.
except Exception:
pass
atexit.register(cleanup)
# Create a named temporary binary file of pseudo-random bytes for testing.
fd, TEMP_FILENAME = tempfile.mkstemp('.bin')
with os.fdopen(fd, 'wb') as file:
os.write(fd, bytearray(random.randrange(256) for _ in range(FILE_SIZE)))
# Execute and time each algorithm, gather results.
start_time = time.time() # To determine how long testing itself takes.
timings = []
for label in algorithms:
try:
timing = TIMING(label,
min(timeit.repeat(algorithms[label].test,
setup=COMMON_SETUP + algorithms[label].setup,
repeat=TIMINGS, number=EXECUTIONS)))
except Exception as exc:
print('{} occurred timing the algorithm: "{}"\n {}'.format(
type(exc).__name__, label, exc))
traceback.print_exc(file=sys.stdout) # Redirect to stdout.
sys.exit(1)
timings.append(timing)
# Report results.
print('Fastest to slowest execution speeds with {}-bit Python {}.{}.{}'.format(
64 if sys.maxsize > 2**32 else 32, *sys.version_info[:3]))
print(' numpy version {}'.format(np.version.full_version))
print(' Test file size: {:,} KiB'.format(FILE_SIZE // KiB(1)))
print(' {:,d} executions, best of {:d} repetitions'.format(EXECUTIONS, TIMINGS))
print()
longest = max(len(timing.label) for timing in timings) # Len of longest identifier.
ranked = sorted(timings, key=attrgetter('exec_time')) # Sort so fastest is first.
fastest = ranked[0].exec_time
for rank, timing in enumerate(ranked, 1):
print('{:<2d} {:>{width}} : {:8.4f} secs, rel speed {:6.2f}x, {:6.2f}% slower '
'({:6.2f} KiB/sec)'.format(
rank,
timing.label, timing.exec_time, round(timing.exec_time/fastest, 2),
round((timing.exec_time/fastest - 1) * 100, 2),
(FILE_SIZE/timing.exec_time) / KiB(1), # per sec.
width=longest))
print()
mins, secs = divmod(time.time()-start_time, 60)
print('Benchmark runtime (min:sec) - {:02d}:{:02d}'.format(int(mins),
int(round(secs))))
main()
yield from chunk
place for byte in chunk: yield byte
? Je pense que je devrais resserrer ma réponse avec ça.
yield from
.
enumerate
car l'itération doit être comprise comme terminée - sinon, j'ai vérifié en dernier - énumérer a un peu de frais généraux avec les coûts de la comptabilité pour l'index avec + = 1, vous pouvez donc alternativement faire la comptabilité dans votre propre code. Ou même passer à un deque avec maxlen=0
.
enumerate
. Merci pour les commentaires. Ajoutera une mise à jour à mon message qui ne l'a pas (bien que je ne pense pas que cela change beaucoup les résultats). Ajoutera également la numpy
réponse basée sur @Rick M.
super().
au lieu de tuple.
dans votre, __new__
vous pourriez utiliser les namedtuple
noms d'attribut au lieu d'index.
si vous cherchez quelque chose de rapide, voici une méthode que j'utilise et qui fonctionne depuis des années:
from array import array
with open( path, 'rb' ) as file:
data = array( 'B', file.read() ) # buffer the file
# evaluate it's data
for byte in data:
v = byte # int value
c = chr(byte)
si vous voulez itérer les caractères au lieu des entiers, vous pouvez simplement utiliser data = file.read()
, qui devrait être un objet bytes () dans py3.