Python如何从文件中读取原始二进制数据？（音频/视频/文本）

Question

我想读取文件的原始二进制并将其放入字符串中。目前，我正在使用“rb”标志打开文件并打印字节，但它显示为ASCII字符（对于文本而言，对于视频和音频文件则会出现符号和乱码）。如果可能，我想要得到原始的0和1。这也需要适用于音频和视频文件，所以简单地转换ASCII为二进制不是一个选项。

with open(filePath, "rb") as file:
    byte = file.read(1)
    print byte

- user2803250

---

可能是 https://dev59.com/LXNA5IYBdhLWcg3wQ7Yw 的重复问题。 - Chris Noreikis

不是真的。他在这里问的比另一个帖子要多。尽管他所问的可能看起来很奇怪... - Alexander Tobias Bockstaller

https://dev59.com/kFPTa4cB1Zd3GeqPlKaI - Navneet

你正在将二进制的0和1从文件中读入一个字符型字符串。尝试使用 print bin(ord(byte))。当参数是一个8位字符型字符串时，ord()函数返回字节的整数值。最后，bin()函数将整数转换为由0和1字符组成的二进制字符串，以带有“0b”前缀的形式进行打印，因此你将看到类似于0b1100001的输出。 - martineau

Answer 1

您所读的确实是您“二进制”文件的“原始二进制”内容。尽管看起来很奇怪，但二进制数据并不是“0和1”，而是二进制“字”（也称为字节，参见http://en.wikipedia.org/wiki/Byte），它们具有整数（十进制）值，并且可以被解释为ASCII字符，或者作为整数（这是通常执行二进制操作的方式），或者作为十六进制数字。就其价值而言，“文本”实际上也是“原始二进制数据”。

要获取“二进制”表示，您可以在此处查看：将二进制转换为ASCII码和反之亦然，但这并不会给您比您实际拥有的更多的“原始二进制数据”...

现在的问题是：为什么您确切地想要这些数据作为“0和1”呢？

- bruno desthuilliers

---

为了更加清晰明了，raw_binary_data = open(filename, "rb").read()与包含ASCII字符'0'、'1'的“01”字符串无关，这些字符串代表二进制数字系统中的数据（基于2的位置表示法的基数为2）。例如：b'\x0d'[0] == 0x0d == 13 == 0b1101 == int('1101', 2)（在Python 2中使用ord('\x0d')），但是b'\x0d' != b'1101'（len(b'\x0d') == 1且len(b'1101') == 4），而b'1101' == b'\x31\x31\x30\x31'。 - jfs

Answer 2

要获取二进制表示，我认为你需要导入binascii，然后执行以下操作：

byte = f.read(1)
binary_string = bin(int(binascii.hexlify(byte), 16))[2:].zfill(8)

或者，分解为以下几部分：

import binascii


filePath = "mysong.mp3"
file = open(filePath, "rb")
with file:
    byte = file.read(1)
    hexadecimal = binascii.hexlify(byte)
    decimal = int(hexadecimal, 16)
    binary = bin(decimal)[2:].zfill(8)
    print("hex: %s, decimal: %s, binary: %s" % (hexadecimal, decimal, binary))

将输出：

hex: 64, decimal: 100, binary: 01100100

- Holy Mackerel

---

请注意：OP应该理解“原始数据”和“二进制表示”的区别。 - bruno desthuilliers

这里不需要使用binascii。当处理1个字节时，我们可以使用ord()获取整数序号，然后使用hex()或bin()进行转换。但对于多字节值，binascii.hexlify()可能很方便，因为它可以一次性转换整个字节字符串。 - wombatonfire