2022-回放-04：Base64 作业讲解 · 数据类型进阶与输入输出复习 · 常见文件格式处理库¶

内容梗概¶

本次直播回放分为上下两个半场。上半场完整讲解 base64 编码/解码作业的写法：先画流程图梳理算法与边界条件，再现场敲代码（live coding）实现 encode 与 decode，并借机讲解 bin、format 格式化、bytes 迭代取整、str.count、find 与 index 的区别、int.to_bytes 与字节序等知识。下半场快速串讲"数据类型进阶"与"输入输出"两章录播视频的重点（列表/元组/集合/字典、print 写文件与日志思想），演示了 BMP 图片转 ASCII 字符画的实例，最后扩展介绍了处理各类常见文件格式（zip、tar、csv、Excel、Word、PDF、图像、音频、视频）的 Python 库。整节课反复强调的学习方法是：画流程图梳理思路、用 print 做中间结果验证、遇问题查官方文档。

知识点详解¶

一、base64 编码作业讲解（约 00:00 - 00:57）¶

流程图先行（约 00:00）：编码流程为：输入 bytes → 全部转为二进制字符串（binary string）→ 每 6 比特一组转成数字 → 从长度为 64 的字符表中按下标取字符拼接。
边界条件（约 00:55）：字节数不是 3 的整数倍时需要补位。3 字节 = 24 比特正好被 6 整除；余 1 字节要补 4 个 0、余 2 字节要补 2 个 0，并在结果末尾追加对应数量的 =（余 1 补两个 =，余 2 补一个 =）。
bytes 迭代得到的是整数（约 08:31）：遍历 bytes 对象时取出的每个元素直接就是该字节对应的整数（int），无需再用 ord 转换——这是与字符串遍历的重要区别。随机生成定长 bytes 用 random.randbytes(n)。
bin() 的问题（约 05:30 - 07:10）：bin(x) 要求输入为 int，返回形如 0b11 的字符串，且省略前导 0，不能保证 8 位宽度。
自写函数补齐宽度（约 12:00）：写 bin_convert(input, length)：bin(input) 后用切片 [2:] 去掉 0b，再 while len(result) < length: result = '0' + result 前补 0。写成函数是为了重用（解码时还要补到 6 比特）。
format 函数与格式规范迷你语言（约 15:50 - 26:00）：format(x, '08b') 一步到位：第二个参数是格式规范（format specification mini-language），各部分均为可选（方括号含义与命令行可选参数一致）：fill/align（< 左对齐、> 右对齐、^ 居中、= 处理符号）、sign、#（加上则保留 0b 前缀，不加则自动去掉）、0（前导补 0）、width（宽度）、type（b 表示二进制）。故 '08b' = 补 0 + 宽 8 + 二进制。
单元测试思路（约 26:20）：写好一段就先用 print 打印中间结果对比验证，而不是全部写完再运行。
6 比特分组与字符表（约 28:30）：用切片 binary_string[i:i+6] 以 6 为步长滑动分组（沿用上节课作业的"滑动窗口"概念）；字符表可用 string.ascii_uppercase + string.ascii_lowercase + string.digits + '+/' 偷懒生成；int(group, 2) 把 6 比特二进制串转回整数作下标取字符。
补尾逻辑（约 32:45）：tail_number = len(original) % 3，非零时给 binary string 追加 '00' * (3 - tail_number) 使其被 6 整除，并给结果追加 '=' * (3 - tail_number)。注意必须先判断是否为 0，否则整除时会多补。字符串乘法是 Python 重复字符串的便捷特性。
解码 decode（约 37:50 起）：直接复制 encode 反向操作：
用 encoded_message.count('=') 数出填充等号个数（约 39:00，str.count(sub[, start[, end]])，start/end 可选）；
去掉等号：方法一 encoded_message.replace('=', '')，方法二切片 encoded_message[:len(encoded_message) - tail_number]（约 42:30）；
逐字符用 base64_string.index(c) 找下标（约 44:50：find 找不到返回 -1，index 找不到直接 raise ValueError——解码场景故意用 index 让错误尽早暴露，因为出错说明编码就写错了）；
用 format(index, '06b') 转 6 比特拼接，再用切片砍掉尾部补的 0（数量为 tail_number * 2）；
按 8 比特分组转整数后 byte.to_bytes(1, byteorder='little') 转回单字节拼入结果 bytes（约 51:00；字节序大端/小端：个人电脑都是小端 little-endian，相关知识在《计算机安全与维护》"字节序/文件记录头分析"节约 6 分钟处）；
结果变量用 b'' 初始化（bytes 字面量），bytes 不可改内容但可拼接。
测试验证（约 54:00）：随机生成 100 组数据循环测试 encode→decode 是否与原始 bytes 一致；Windows 10 下 Win + . 可呼出 emoji 面板打对勾叉号。
方法论总结（约 55:30）：画流程图 + print 中间验证 + "小黄鸭调试法"（把代码讲给别人/自己听一遍，老师故意不及时回复也是把小黄鸭的机会留给学生）。

二、数据类型进阶串讲（约 00:57 - 01:13）¶

本部分对应录播章节"数据类型进阶"与"输入输出"，老师认为看一遍视频有概念即可，真正掌握靠后续编程练习。
列表：extend 等价于两个列表相加的拼接；可迭代对象 = 能用 for 循环迭代的对象（字符串、列表、元组、range 等都是）。
元组（重点停下讲）（约 01:04 起）：元组不可变，初始化后内容不能改不能删；不打括号的逗号序列本身就是元组——a, b = b, a 交换两变量无需中间变量，本质是元组解包；函数 return a, b 看似返回多个值，实际返回的是一个含两个元素的元组，c, d = func() 是元组解包赋值。
集合 set（约 01:09）：用大括号但没有冒号（区别于字典的 key: value），元素不重复，典型用途是**去重**。
使用频率：列表、字典最常用；range 循环时用；元组、集合较少。
答疑插话（约 01:11）：Python 没有数组概念，列表就是变长数组（不像 C 语言需预先声明空间）。

三、输入输出与 print 写文件（约 01:33 - 01:42）¶

input 类似 C 语言 scanf；print 默认输出到**标准输出**（上学期终端章节讲过标准输入/输出/错误输出）。
print(..., file=f) 可以把内容打印到 open('test.txt', 'w') 打开的文件对象里，与 f.write() 等效。
用途：日志思想（约 01:37）：程序规模大时终端一关调试信息就没了；图形界面程序没有黑框框可看 print。最原始的日志就是把 print 写进文件，Python 有专门的 logging 模块（原理上完全可用 print-to-file 实现），建议自行查文档。
f-string：f'...{name}...' 是 format 的简写形式，{name} 后加冒号即可套用前面讲的格式规范迷你语言（如 {age:08d}）。

四、BMP 转 ASCII 字符画实例（约 01:13 - 01:33）¶

演示代码 ascii_pic.py：把一张 24 位 BMP（512×512）转成字符画。素材准备：截图后用画图（MSPaint）另存为 24 位 BMP（曾误存成 8 位 256 色 BMP 导致报错——8 比特只能表示 256 色，24 位可表示 2^24 色）。
图像为什么是倒的（约 01:19）：BMP 像素数据从最底部一行开始存储，而代码从上往下读，所以图是倒的；想正过来可从底部开始读或旋转。借此讲解 BMP 文件结构：文件头（存大小、宽度等元信息）+ 位图信息头 + （可能有调色板）+ 位图数据（每个像素的 RGB 值）。
灰度映射（约 01:22）：每个像素保存 RGB（红绿蓝）三个值，用图像处理的固定公式（gray = R×系数 + G×系数 + B×系数）算出 0-255 灰度，再映射到约 70 个不同灰度的字符上（$ 最黑，空格最白），与 base64"算下标取字符"思路类似。
失真与优化（约 01:25）：1 像素对应 1 字符导致画面放大且编辑器字体是长条形导致比例失真；优化思路：把图片切成 8×8（或更大）的块，取块内平均灰度对应一个字符；或换正方形等宽字体。
引入的意义（约 01:29）：一是练习读文件/分析文件，二是引入安全领域的文件格式拆解概念——逆向工程、软件安全、CTF 图像题/逆向题的基本功就是分析二进制文件的格式结构，与上半学期分析文件系统结构一脉相承。熟悉格式不是背下来，而是知道"有这么个东西"、会查文档分析。

五、文件读写与各类文件格式库（约 01:42 - 02:11）¶

seek 与 tell（约 01:41）：文件对象内部有位置指针，每次 read 后指针后移；seek 可在不读的情况下移动指针，tell 返回当前指针位置。
官方文档是宝藏（约 01:43）：本课无教材是因为官方文档比教材新、全，还有中文版。标准库支持 HTML、XML、csv 等文件格式。
压缩包（约 01:44）：需求引子——200 个压缩包批量解压。tarfile 文档有现成示例：tarfile.open('sample.tar.gz') → extractall() → close()；zipfile 的 extractall 文档没给示例（课堂小翻车），但用法类似，遍历压缩包写循环即可。
Excel：推荐 openpyxl（约 01:50），能读写 xlsx、处理格式、样式、合并单元格，文档示例简洁。
PDF：Adobe 闭源，开源好用的库不多，凑合可用，以库名 + documentation 为关键词搜索。
Word：python-docx（约 01:53）可提取 docx 中的表格、图片等。应用场景：老师派活把 200 个 Word 文档里的表格数据统计到 Excel——python-docx 读 + openpyxl 写，手工一周的活写代码三天跑一天搞定，"懒是第一生产力"。
图像：OpenCV（裁剪、缩放、降噪、磨皮，可做美颜软件）；Pillow 更低阶，Image.open('demo.png').save('demo.bmp') 两行搞定格式转换（约 01:57，演示用 pip 安装、从 PIL 导入；PIL = Python Imaging Library，老库停更后由 Pillow 继承，故名）。
音频（约 02:00）：PortAudio（C++ 跨平台音频库）有 Python 绑定 PyAudio；演示了一个 GitHub 开源变调项目——用内置库 wave 读音频 + numpy 做傅里叶变换到频域，把频率提高 1.25/1.5 倍，男声变"女声"（男声频率低、女声频率高）。
视频：没有特别好的现成库，FFmpeg 是命令行工具（可用 Python 调命令行间接调用），其官方库叫 libav（audio + video）。

示例与演示¶

base64 encode/decode 现场编码（live.py）：从流程图出发，先解决"bytes 迭代出 int → bin/format 转定长二进制串"，再处理补 0 补等号边界条件，最后复制 encode 改写 decode；用随机 100 组 bytes 做循环回归测试。作业要求即此，不会就画流程图。
BMP 转 ASCII 字符画：准备 24 位 512×512 BMP，读文件头与像素，RGB 算灰度映射 70 级灰度字符输出到文本；指出倒图原因、比例失真原因及分块平均优化方向（可作为自愿的小练习，不布置成作业）。
print 写文件演示：f = open('test.txt', 'w'); print('abc', file=f); f.close() 与 f.write('abc') 等效。
tarfile 解压演示：文档示例三行解压 tar.gz。
Pillow 格式转换演示：pip install pillow，from PIL import Image，Image.open('demo.png').save('demo.bmp')。
音频变调演示：播放开源项目效果（周杰伦歌曲变调为"女声"），解释频率平移原理。

重点与难点¶

base64 的边界条件：补 0 个数 = '00' * (3 - len%3)，等号个数同理；必须先判断余数非 0，否则整除时会多补。解码时砍尾巴是 tail_number * 2 个 0。
bin() 省略前导 0、带 0b 前缀，直接用会错位；format(x, '08b') 才是正解（查文档要顺着文档往下读，文档会告诉你 format 的存在）。
bytes 迭代直接得到 int，不用再 ord；bytes 不可变但可拼接。
find 返回 -1 与 index 抛异常的取舍：该报错的地方就让它报错，能尽早暴露上游错误。
元组无括号写法与函数"返回多值"的本质是元组，是 Python 高频灵活写法，见到不要惊讶。
print 写文件背后的日志思想，比语法本身更重要。
各类文件格式库不需要记用法，需要记住"有这个东西、去哪里查文档"。

关联内容¶

承接上节课/上次作业：ord/hex 转换、滑动窗口切片分组、string 库、random.randbytes。
对应录播章节"数据类型进阶""输入输出（文件读写）"，下节课讲"文件与目录"。
字节序（大端/小端）复习自《计算机安全与维护》课程；BMP 文件结构分析、逆向/CTF 的文件格式分析思想与上学期文件系统结构分析呼应。
BMP 拆解在"文件与目录"章节的练习视频中有更详细讲解。
后续章节（Web、爬虫、可视化）会大量使用本节提到的第三方库；Excel/Word 处理与学习委员统计成绩等日常场景直接相关。