从二进制文件中删除标题

Question

我有几个演出的原始二进制文件，并且试图将其分块处理。 在开始处理数据之前，我必须删除它具有的标头。 由于原始的二进制文件格式，.find或检查数据块中的字符串之类的字符串方法均无效。 我想自动剥离标头，但它的长度可能会有所变化，而我当前寻找最后一个换行符的方法不起作用，因为原始二进制数据的数据中有匹配的位。

Data format:
BEGIN_HEADER\r\n
header of various line count\r\n
HEADER_END\r\n raw data starts here

我如何阅读文件

filename="binary_filename"
chunksize=1024
with open(filename, "rb") as f:
    chunk = f.read(chunksize)
    for index, byte in enumerate(chunk):
        if byte == ord('\n'):
            print("found one " + str(index))

有没有一种简单的方法可以提取HEADER_END \\ r \\ n行而无需在文件中滑动字节数组？ 当前方法：

chunk = f.read(chunksize)
index=0
not_found=True
while not_found:
    if chunk[index:index+12] == b'HEADER_END\r\n':
        print("found")
        not_found=False
    index+=1

Answer 1

您可以使用线缓存：

import linecache
currentline = 0
while(linecache.getline("file.bin",currentline)!="HEADER_END\n"):
    currentline=currentline+1

#print raw data
currentline = currentline + 1
rawdata = linecache.getline("file.bin",currentline)
currentrawdata = rawdata
while(currentrawdata):
    currentrawdata = linecache.getline("file.bin",currentline+1)
    rawdata = rawdata + currentrawdata
    currentline = currentline + 1
print rawdata

更新

我们可以将问题分成两部分，首先可以删除标题，然后将其读取为大块：

lines= open('test_file.bin').readlines()
currentline = 0
while(lines[currentline] != "HEADER_END\r\n"):
     currentline=currentline+1
open('newfile.bin', 'w').writelines(lines[currentline:-1])

将创建一个仅包含原始数据的文件（newfile.bin）。 现在可以将其直接读取成块：

chunksize=1024
with open('newfile.bin', "rb") as f:
    chunk = f.read(chunksize)

更新2

也可以不使用中间文件来执行此操作：

#defines the size of the chunks
chunksize=20
filename= 'test_file.bin'
endHeaderTag = "HEADER_END\r\n"
#Identifies at which line there is HEADER_END
lines= open(filename).readlines()
currentline = 0
while(lines[currentline] != endHeaderTag):
     currentline=currentline+1
currentline=currentline+1
#Now currentline contains the index of the first line to the raw data

#With the reduce operation we generate a single string from the list of lines
#we are considering only the lines after the currentline
header_stripped = reduce(lambda x,y:x+y,lines[currentline:])

#Lastly we read successive chunks and we store them into the chunk list.
chunks = []
reminder = len(header_stripped)%chunksize
for i in range(1,len(header_stripped)/chunksize + reminder):
    chunks.append( header_stripped[(i-1)*chunksize:i*chunksize])