跳转至

8.1 文件与目录——二进制数据

内容梗概

本节课是"文件与目录"一章的开篇，承接上一节文本文件读写的输入输出内容，转入二进制数据的学习。老师先介绍了本章的整体安排（二进制文件操作、BMP 解析、字符集与编码、目录操作），随后重点讲解了 Python 中表示二进制数据的两种类型：bytes 和 bytearray。课程详细解释了 bytes 字面值的显示规则（可打印 ASCII 字符与 \x 十六进制形式混合出现），并通过多个实例演示了二进制数据的创建、切片、hex()/fromhex() 转换和 index() 查找等序列操作。

知识点详解

本章内容安排（约 00:00 - 01:00）

  • 上一节已讲过文本文件的读取与写入；本节重点转向二进制文件，将解析上节课用到的 BMP 文件。
  • 顺便会讲字符集与编码问题（计算机领域绕不过去的问题），以及用 Python 遍历目录、重命名文件等目录操作（如批量整理照片）。
  • Python 常被称为"脚本语言"，遍历目录是最常见的辅助性需求之一；Windows / Linux / macOS 上的目录操作方式一致。

二进制数据的两种类型：bytes 与 bytearray（约 01:00 - 04:15）

  • 之前讲数据类型基础和进阶时回避了二进制数据，放到文件这一节结合讲解，逻辑递进更顺畅。
  • Python 中二进制数据有两种类型：
  • bytes：字节（复数），不可变序列，绝大多数情况下使用的类型。
  • bytearray：可变序列，类比"元组 : 列表 = bytes : bytearray"的对应关系；少数需要手动修改二进制数据内容时才用到。

bytes 字面值的显示规则（约 04:16 - 15:30）

  • print 一个 bytes 对象时，显示为 b'...' 的形式，小写 b 表示 Binary，这就是该类型的**字面值**。
  • 字面值以字节为单位，每个符号表示一个字节。字面值中混合存在两种形式：
  • 可打印字符：字节的值能翻译成可打印的 ASCII 字符（含 \n、\t 等可转义字符）时，直接显示该字符。例如字符 0 对应的字节显示为 0。
  • \x 十六进制形式：无法翻译成可打印字符时，直接以 \x 加该字节的十六进制值显示，如 \x00。\x 后面两个十六进制字符共表示一个字节（1 个十六进制字符 = 4 比特，2 个 = 8 比特）。
  • 为什么用十六进制而不用二进制/八进制表示字节（约 07:42）：
  • 纯二进制一个字节要写 8 个 0/1，太啰嗦；
  • 八进制一个字符表示 3 个比特，8 比特除不尽 3，无法整齐对齐一个字节；
  • 十六进制每 4 比特正好一个字符（0–F），两个字符合一个字节，表示简洁、对齐方便。因此所有计算机课程、WinHex 等工具都用十六进制显示二进制数据。
  • 示例辨析：a = b'\x00\x00\x00' 与 b = b'000' 都是三个字节但**值不同**——前者每个字节十六进制为 0x00，后者每个字节是字符 0 的 ASCII 码 0x30。可通过 b == c 比较验证。
  • 提问互动（约 16:11）：a 含三个字符 0、一个 \x00、一个 \n（换行，十六进制 0A），共 5 个字节；换行是可转义字符，打印时显示为 \n 而不是 \x0a。
  • 常见可转义字符对应的值：\n（换行，0x0A）、\t（制表符/Tab，0x09）、空格（0x20）。

bytes 的创建方式（约 19:47 - 22:25）

  • 直接用字面值赋值：a = b'\x00\x00\x00'。
  • 内置函数 bytes() 转换：
  • 传入整数 n：创建包含 n 个全 0 字节的序列，如 bytes(3) 得到 b'\x00\x00\x00'。
  • 传入可迭代对象：如 bytes(range(3)) 得到 b'\x00\x01\x02'。
  • bytearray 不能用字面值直接创建（b'123' 的类型永远是 bytes），需要用 bytearray(b'...') 包裹字面值来构造；打印时会显示 bytearray(b'...') 以区分类型。
  • 实际很少用 bytearray：处理二进制数据大多是从文件读进来分析，或构造 bytes 直接写回文件，很少需要在内存中逐字节修改。

二进制数据的序列操作（约 24:04 - 31:30）

  • bytes / bytearray 都是序列，之前学的序列操作（索引、切片、index 查找等）全部可用。
  • 切片：如 bytes(range(10))[:5] 得到 b'\x00\x01\x02\x03\x04'。
  • .hex() 方法（约 25:41）：把二进制数据转成**字符串**，内容是其十六进制表示，如 b.hex() 得到 '0001020304'。
  • bytes.fromhex(s)（约 26:30）：反向操作，接收十六进制字符串生成 bytes。
  • 字符串长度必须是 2 的整数倍（每两个字符一个字节），否则报 ValueError；
  • 字符只能是 0-9、A-F（十六进制字符），打 H、中文等都会报错。
  • index()：查找某个值在二进制序列中的下标，与之前做 Base64 编码练习时查字符索引的用法一样。
  • 顺带提及：之前"直男表白"的例子用 hex/fromhex 会更方便，用 ord/chr 函数也可以。

示例与演示

  1. 定义 a = b'\x00\x00\x00'，print(a) 显示字面值、print(type(a)) 显示 <class 'bytes'>。
  2. 比较 b'\x00\x00\x00' 与 b'000' 是否相等（False），b'000' 与 b'\x30\x30\x30' 是否相等（True），说明字符 0 对应 ASCII 码 0x30。
  3. 含 5 个字节的混合字面值示例：三个字符 0 + \x00 + \n，展示可打印字符与 \x 形式混合出现的效果。
  4. bytes(3) 创建 3 字节全 0 序列；bytes(range(3)) 创建 b'\x00\x01\x02'。
  5. bytearray(b'123') 创建可变序列，演示其与 bytes 打印形式的差异。
  6. 序列操作综合示例：bytes(range(10)) 切片取前 5 字节；b.hex() 转十六进制字符串 '0001020304'；bytes.fromhex('2030ff') 中 0x20 显示为空格、0x30 显示为 0、0xFF 显示为 \xff；index 查找 0x00 的位置（索引 0）。
  7. 错误演示：fromhex 传长度为奇数的串、含 H 等非法十六进制字符的串，均抛 ValueError。

重点与难点

  • bytes 字面值的两种混合形式：可打印 ASCII 字符（含 \n、\t 等转义字符）直接显示，不可打印字节显示为 \x + 两位十六进制。看到一串字面值时必须能数清到底有几个字节，这是本节反复强调的意识。
  • \x00（值为 0 的字节）与字符 '0'（值为 0x30）完全不同，不能混淆。
  • 十六进制是表示二进制数据的标准形式：一个字节 = 8 比特 = 两个十六进制字符。
  • bytes 不可变、bytearray 可变；字面值 b'...' 创建出来的永远是 bytes。
  • fromhex() 的参数长度必须是 2 的整数倍且只含合法十六进制字符。

关联内容

  • 承接上一节（第 7 章）文本文件的读写与 BMP 转 ASCII 艺术练习；本节的二进制知识是下一节"二进制文件分析（BMP 解析）"的直接基础。
  • 与"数据类型基础/进阶"中序列操作（索引、切片、index）、字典等知识衔接；ord/chr 函数在早期字符与数字转换练习中已出现。
  • 提到上学期使用 WinHex 做文件恢复、查看硬盘数据的十六进制显示，与本节的十六进制表示一脉相承。
  • 字符编码问题为 8.4 节"字符集与编码"埋下伏笔。