在Python中读取字节-io.BytesIO v/s binascii.unhexlify
以下两种读取字节的方法有什么区别?在Python中读取字节-io.BytesIO v/s binascii.unhexlify,python,python-3.x,Python,Python 3.x,以下两种读取字节的方法有什么区别? stream = BytesIO(unhexlify('000000010000')) print(int.from_bytes(stream.read(4), byteorder="big")) //prints 1 bytes = unhexlify('000000010000') print(int.from_bytes(bytes[:4], byteorder="big")) //prints 1 哪个更好?为什么?如果您知道您的字符串就是字
stream = BytesIO(unhexlify('000000010000'))
print(int.from_bytes(stream.read(4), byteorder="big")) //prints 1
bytes = unhexlify('000000010000')
print(int.from_bytes(bytes[:4], byteorder="big")) //prints 1
哪个更好?为什么?如果您知道您的字符串就是字符串,为什么不在切片后直接使用
base
将其转换为“16”?例如:
>>> my_hex = '000000010000'
>>> int(my_hex[:8], base=16)
1
这里您必须注意,我将索引为“8”而不是“4”的字符串分片,但是由于我们知道它是一个十六进制字符串,我们可以根据2
字符表示一个hex
数字对其进行相应的分片
以下是您和我的解决方案的性能比较:
mquadri$ python3 -m timeit "my_hex = '000000010000'; int(my_hex[:8], base=16)"
1000000 loops, best of 3: 0.581 usec per loop
mquadri$ python3 -m timeit -s "from io import BytesIO; from binascii import unhexlify" "stream = BytesIO(unhexlify('000000010000')); int.from_bytes(stream.read(4), byteorder='big')"
1000000 loops, best of 3: 1.15 usec per loop
mquadri$ python3 -m timeit -s "from binascii import unhexlify" "bytes = unhexlify('000000010000'); int.from_bytes(bytes[:4], byteorder='big')"
1000000 loops, best of 3: 0.764 usec per loop
如您所见,简单地使用int
进行转换比两种解决方案都更有效
但是,如果您只对您提到的解决方案感兴趣,那么我将推荐不使用
io.BytesIO的解决方案,因为:
- 如果不使用
ByteIO
,您将需要一个较小的imports
- 相对而言,您的第二个解决方案看起来也更简单
注意:对于绩效衡量,我不计算导入时间,以防有人计划说“此差异与额外导入有关”;) 如果您知道您的字符串就是字符串,为什么不在切片后直接将其转换为base
为“16”?例如:
>>> my_hex = '000000010000'
>>> int(my_hex[:8], base=16)
1
这里您必须注意,我将索引为“8”而不是“4”的字符串分片,但是由于我们知道它是一个十六进制字符串,我们可以根据2
字符表示一个hex
数字对其进行相应的分片
以下是您和我的解决方案的性能比较:
mquadri$ python3 -m timeit "my_hex = '000000010000'; int(my_hex[:8], base=16)"
1000000 loops, best of 3: 0.581 usec per loop
mquadri$ python3 -m timeit -s "from io import BytesIO; from binascii import unhexlify" "stream = BytesIO(unhexlify('000000010000')); int.from_bytes(stream.read(4), byteorder='big')"
1000000 loops, best of 3: 1.15 usec per loop
mquadri$ python3 -m timeit -s "from binascii import unhexlify" "bytes = unhexlify('000000010000'); int.from_bytes(bytes[:4], byteorder='big')"
1000000 loops, best of 3: 0.764 usec per loop
如您所见,简单地使用int
进行转换比两种解决方案都更有效
但是,如果您只对您提到的解决方案感兴趣,那么我将推荐不使用io.BytesIO的解决方案,因为:
- 如果不使用
ByteIO
,您将需要一个较小的imports
- 相对而言,您的第二个解决方案看起来也更简单
注意:对于绩效衡量,我不计算导入时间,以防有人计划说“此差异与额外导入有关”;) 使用IO构造(StringIO
,BytesIO
)的目的是处理模拟流的对象(如文件)。因此,第一个解决方案是将字节包装在类似文件的对象中,并像读取文件一样从包装器中读取。第二个解决方案只是读取字节
我说,如果代码的语义不要求字节是流,请跳过IO解决方案,直接转到源代码。使用IO构造(StringIO
,BytesIO
)的目的是处理模拟流的对象(如文件)。因此,第一个解决方案是将字节包装在类似文件的对象中,并像读取文件一样从包装器中读取。第二个解决方案只是读取字节
我说,如果代码的语义不要求字节是流,请跳过IO解决方案,直接转到源代码。第一个看起来过于复杂。为什么要将unexlify
的结果转换为BytesIO并返回?第一个看起来过于复杂。为什么要将unexlify
的结果转换为BytesIO并返回?嘿!你能告诉我这是什么意思吗“我说如果你的代码的语义不要求字节是流”。何时使用字节作为流?@LokeshCherukuri我的意思是,如果您的代码不希望使用特定的IO流,那么您不必担心创建一个IO流。在其他一些情况下,如果很清楚字节流来自IO源,代码可能会更好地理解。在这种情况下,为了更加清晰,也许为了兼容性,最好使用IO。语义不一定与性能有关,而是与清晰性有关,因此最终您将判断什么更重要。至于何时在技术上使用字节流,可能存在一些情况,例如,您需要使用通常与文件一起使用的API。但是,您可以在API中标识一个函数,该函数可以执行需要应用于当前内存中的某些字节的作业。因此,您将这些字节包装在IO中,并将流发送到您的函数。嘿!你能告诉我这是什么意思吗“我说如果你的代码的语义不要求字节是流”。何时使用字节作为流?@LokeshCherukuri我的意思是,如果您的代码不希望使用特定的IO流,那么您不必担心创建一个IO流。在其他一些情况下,如果很清楚字节流来自IO源,代码可能会更好地理解。在这种情况下,为了更加清晰,也许为了兼容性,最好使用IO。语义不一定与性能有关,而是与清晰性有关,因此最终您将判断什么更重要。至于何时在技术上使用字节流,可能存在一些情况,例如,您需要使用通常与文件一起使用的API。但是,您可以在API中标识一个函数,该函数可以执行需要应用于当前内存中的某些字节的作业。因此,您将这些字节包装在IO中,并将流发送到您的函数。