पायथन में, मैं एक बाइनरी फ़ाइल में कैसे पढ़ता हूं और उस फाइल के प्रत्येक बाइट पर लूप करता हूं?
पायथन में, मैं एक बाइनरी फ़ाइल में कैसे पढ़ता हूं और उस फाइल के प्रत्येक बाइट पर लूप करता हूं?
जवाबों:
अजगर 2.4 और पहले
f = open("myfile", "rb")
try:
byte = f.read(1)
while byte != "":
# Do stuff with byte.
byte = f.read(1)
finally:
f.close()अजगर 2.5-2.7
with open("myfile", "rb") as f:
byte = f.read(1)
while byte != "":
# Do stuff with byte.
byte = f.read(1)ध्यान दें कि 2.5 के नीचे पायथन के संस्करणों में विवरण उपलब्ध नहीं है। V 2.5 में इसका उपयोग करने के लिए आपको इसे आयात करना होगा:
from __future__ import with_statement2.6 में इसकी जरूरत नहीं है।
अजगर ३
पायथन 3 में, यह थोड़ा अलग है। अब हमें बाइट मोड में बाइट ऑब्जेक्ट्स से कच्चे वर्ण नहीं मिलेंगे, इस प्रकार हमें स्थिति को बदलने की आवश्यकता है:
with open("myfile", "rb") as f:
byte = f.read(1)
while byte != b"":
# Do stuff with byte.
byte = f.read(1)या जैसा कि बेन्हॉयट कहते हैं, नहीं के बराबर छोड़ें और इस तथ्य का लाभ उठाएं कि b""झूठ का मूल्यांकन होता है। यह बिना किसी बदलाव के 2.6 और 3.x के बीच कोड को संगत बनाता है। यदि आप बाइट मोड से टेक्स्ट या रिवर्स पर जाते हैं, तो यह आपको स्थिति को बदलने से भी बचाएगा।
with open("myfile", "rb") as f:
byte = f.read(1)
while byte:
# Do stuff with byte.
byte = f.read(1)अजगर 3.8
अब से धन्यवाद: = ऑपरेटर उपरोक्त कोड को छोटे तरीके से लिखा जा सकता है।
with open("myfile", "rb") as f:
while (byte := f.read(1)):
# Do stuff with byte.यह जनरेटर फाइल से बाइट्स देता है, फाइल को चंक्स में पढ़ता है:
def bytes_from_file(filename, chunksize=8192):
with open(filename, "rb") as f:
while True:
chunk = f.read(chunksize)
if chunk:
for b in chunk:
yield b
else:
break
# example:
for b in bytes_from_file('filename'):
do_stuff_with(b)पुनरावृत्तियों और जनरेटर के बारे में जानकारी के लिए पायथन प्रलेखन देखें ।
8192 Byte = 8 kB(वास्तव में यह है KiBलेकिन यह आमतौर पर ज्ञात नहीं है)। मान "पूरी तरह से" यादृच्छिक है, लेकिन 8 केबी एक उचित मूल्य लगता है: बहुत अधिक मेमोरी बर्बाद नहीं हुई है और अभी भी "बहुत सारे" नहीं पढ़े गए हैं जैसा कि स्कर्मेडल द्वारा स्वीकार किए गए उत्तर में पढ़ा गया है ...
for b in chunk:लूप को बदलकर 20-25% तक स्प्रेड-अप किया जा सकता है yield from chunk। yieldपायथन 3.3 में इस फॉर्म को जोड़ा गया (देखें यील्ड एक्सप्रेशंस )।
यदि फ़ाइल बहुत बड़ी नहीं है, तो इसे मेमोरी में रखना एक समस्या है:
with open("filename", "rb") as f:
bytes_read = f.read()
for b in bytes_read:
process_byte(b)जहाँ process_byte आपके द्वारा पास किए गए बाइट पर प्रदर्शन करने के लिए कुछ ऑपरेशन का प्रतिनिधित्व करता है।
यदि आप एक समय में एक चंक को संसाधित करना चाहते हैं:
with open("filename", "rb") as f:
bytes_read = f.read(CHUNKSIZE)
while bytes_read:
for b in bytes_read:
process_byte(b)
bytes_read = f.read(CHUNKSIZE)withबयान अजगर 2.5 और अधिक से अधिक में उपलब्ध है।
किसी फ़ाइल को पढ़ने के लिए - एक बार में एक बाइट (बफ़रिंग को अनदेखा करना) - आप दो- iter(callable, sentinel)फ़ंक्शन निर्मित फ़ंक्शन का उपयोग कर सकते हैं :
with open(filename, 'rb') as file:
for byte in iter(lambda: file.read(1), b''):
# Do stuff with byteयह file.read(1)तब तक कॉल करता है जब तक कि यह कुछ भी नहीं लौटाता b''(खाली बायट्रस्टिंग)। मेमोरी बड़ी फ़ाइलों के लिए असीमित नहीं बढ़ती है। आप बफ़रिंग को अक्षम करने के buffering=0 लिए पास कर सकते हैं open()- यह गारंटी देता है कि केवल एक बाइट प्रति पाठन (धीमा) पढ़ा जाता है।
with-स्टेटेशन स्वचालित रूप से फ़ाइल को बंद कर देता है - केस सहित जब एक कोड नीचे अपवाद को उठाता है।
डिफ़ॉल्ट रूप से आंतरिक बफरिंग की उपस्थिति के बावजूद, एक बार में एक बाइट को संसाधित करना अभी भी अक्षम है। उदाहरण के लिए, यहां blackhole.pyदी गई उपयोगिता है कि वह सब कुछ खाती है जो वह दिया गया है:
#!/usr/bin/env python3
"""Discard all input. `cat > /dev/null` analog."""
import sys
from functools import partial
from collections import deque
chunksize = int(sys.argv[1]) if len(sys.argv) > 1 else (1 << 15)
deque(iter(partial(sys.stdin.detach().read, chunksize), b''), maxlen=0)उदाहरण:
$ dd if=/dev/zero bs=1M count=1000 | python3 blackhole.pyयह संसाधित करता है ~ 1.5 GB / s जब chunksize == 32768मेरी मशीन और केवल पर ~ 7.5 MB / s जब chunksize == 1। यानी एक बार में एक बाइट को पढ़ना 200 गुना धीमा है। इसे ध्यान में रखें यदि आप एक बार में एक से अधिक बाइट का उपयोग करने के लिए अपने प्रसंस्करण को फिर से लिख सकते हैं और यदि आपको प्रदर्शन की आवश्यकता है।
mmapआपको एक फ़ाइल bytearrayऔर एक फ़ाइल ऑब्जेक्ट के रूप में एक साथ व्यवहार करने की अनुमति देता है । यदि आपको दोनों इंटरफेस का उपयोग करने की आवश्यकता है तो यह पूरी फाइल को मेमोरी में लोड करने के विकल्प के रूप में काम कर सकता है। विशेष रूप से, आप एक मेमोरी-मैप की गई फ़ाइल पर एक बार में एक बाइट को एक सादे- forलूप का उपयोग करके प्रसारित कर सकते हैं:
from mmap import ACCESS_READ, mmap
with open(filename, 'rb', 0) as f, mmap(f.fileno(), 0, access=ACCESS_READ) as s:
for byte in s: # length is equal to the current file size
# Do stuff with bytemmapटुकड़ा संकेतन का समर्थन करता है। उदाहरण के लिए, स्थिति से शुरू होने वाली फ़ाइल से mm[i:i+len]रिटर्न lenबाइट्स i। पायथन 3.2 से पहले संदर्भ प्रबंधक प्रोटोकॉल समर्थित नहीं है; आपको mm.close()इस मामले में स्पष्ट रूप से कॉल करने की आवश्यकता है । प्रत्येक बाइट का उपयोग करने mmapसे अधिक मेमोरी खपत होती है file.read(1), लेकिन mmapतेजी से परिमाण का एक क्रम है।
numpyस्मृति-मैप (बाइट) सरणियाँ है।
numpy.memmap()और आप एक बार में डेटा प्राप्त कर सकते हैं (ctypes.data)। आप सुन्न सरणियों के बारे में सोच सकते हैं जैसे कि स्मृति + मेटाडेटा में ब्लब्स की तुलना में थोड़ा अधिक है।
पायथन में बाइनरी फ़ाइल पढ़ना और प्रत्येक बाइट पर लूपिंग
पायथन 3.5 में नया pathlibमॉड्यूल है, जिसमें विशेष रूप से बाइट्स के रूप में एक फ़ाइल में पढ़ने के लिए एक सुविधा विधि है, जो हमें बाइट्स पर पुनरावृति करने की अनुमति देती है। मैं इसे एक सभ्य (यदि त्वरित और गंदा) उत्तर मानता हूं:
import pathlib
for byte in pathlib.Path(path).read_bytes():
print(byte)दिलचस्प है कि यह केवल उल्लेख करने के लिए उत्तर है pathlib।
पायथन 2 में, आप शायद ऐसा करेंगे (जैसा कि विनय साजिप भी बताते हैं):
with open(path, 'b') as file:
for byte in file.read():
print(byte)उस स्थिति में, जब फ़ाइल इन-मेमोरी पर पुनरावृति करने के लिए बहुत बड़ी हो सकती है, आप इसे हस्ताक्षर के iterसाथ फ़ंक्शन का उपयोग करते हुए, मुहावरेदार रूप से, callable, sentinel- पाइथन 2 संस्करण:
with open(path, 'b') as file:
callable = lambda: file.read(1024)
sentinel = bytes() # or b''
for chunk in iter(callable, sentinel):
for byte in chunk:
print(byte)(कई अन्य उत्तर इसका उल्लेख करते हैं, लेकिन कुछ लोग समझदार रीड आकार प्रदान करते हैं।)
आइए ऐसा करने के लिए एक फ़ंक्शन बनाएं, जिसमें पायथन 3.5+ के लिए मानक पुस्तकालय के मुहावरेदार उपयोग शामिल हैं:
from pathlib import Path
from functools import partial
from io import DEFAULT_BUFFER_SIZE
def file_byte_iterator(path):
"""given a path, return an iterator over the file
that lazily loads the file
"""
path = Path(path)
with path.open('rb') as file:
reader = partial(file.read1, DEFAULT_BUFFER_SIZE)
file_iterator = iter(reader, bytes())
for chunk in file_iterator:
yield from chunkध्यान दें कि हम उपयोग करते हैं file.read1।file.readतब तक ब्लॉक करता है जब तक कि उसके द्वारा अनुरोधित सभी बाइट्स न मिल जाएं या EOF। file.read1हमें अवरुद्ध होने से बचने की अनुमति देता है, और यह इस वजह से अधिक तेज़ी से लौट सकता है। कोई अन्य उत्तर भी इसका उल्लेख नहीं करता है।
आइए एक मेगाबाइट (वास्तव में mebibyte) छद्म आयामी डेटा के साथ एक फ़ाइल बनाते हैं:
import random
import pathlib
path = 'pseudorandom_bytes'
pathobj = pathlib.Path(path)
pathobj.write_bytes(
bytes(random.randint(0, 255) for _ in range(2**20)))अब इस पर पुनरावृति करते हैं और इसे स्मृति में प्रतिस्थापित करते हैं:
>>> l = list(file_byte_iterator(path))
>>> len(l)
1048576हम डेटा के किसी भी हिस्से का निरीक्षण कर सकते हैं, उदाहरण के लिए, अंतिम 100 और पहले 100 बाइट्स:
>>> l[-100:]
[208, 5, 156, 186, 58, 107, 24, 12, 75, 15, 1, 252, 216, 183, 235, 6, 136, 50, 222, 218, 7, 65, 234, 129, 240, 195, 165, 215, 245, 201, 222, 95, 87, 71, 232, 235, 36, 224, 190, 185, 12, 40, 131, 54, 79, 93, 210, 6, 154, 184, 82, 222, 80, 141, 117, 110, 254, 82, 29, 166, 91, 42, 232, 72, 231, 235, 33, 180, 238, 29, 61, 250, 38, 86, 120, 38, 49, 141, 17, 190, 191, 107, 95, 223, 222, 162, 116, 153, 232, 85, 100, 97, 41, 61, 219, 233, 237, 55, 246, 181]
>>> l[:100]
[28, 172, 79, 126, 36, 99, 103, 191, 146, 225, 24, 48, 113, 187, 48, 185, 31, 142, 216, 187, 27, 146, 215, 61, 111, 218, 171, 4, 160, 250, 110, 51, 128, 106, 3, 10, 116, 123, 128, 31, 73, 152, 58, 49, 184, 223, 17, 176, 166, 195, 6, 35, 206, 206, 39, 231, 89, 249, 21, 112, 168, 4, 88, 169, 215, 132, 255, 168, 129, 127, 60, 252, 244, 160, 80, 155, 246, 147, 234, 227, 157, 137, 101, 84, 115, 103, 77, 44, 84, 134, 140, 77, 224, 176, 242, 254, 171, 115, 193, 29]निम्न कार्य न करें - यह मनमाने आकार का एक हिस्सा तब तक खींचता है जब तक कि यह एक नई रेखा वर्ण तक नहीं पहुँच जाता है - जब चूजे बहुत छोटे होते हैं, और संभवतः बहुत बड़े भी:
with open(path, 'rb') as file:
for chunk in file: # text newline iteration - not for bytes
yield from chunkउपरोक्त केवल वही है जो शब्दशः मानव पठनीय पाठ फ़ाइलों (जैसे सादे पाठ, कोड, मार्कअप, मार्कडाउन आदि) के लिए अच्छा है ... अनिवार्य रूप से कुछ भी एएससीआई, यूटीएफ, लैटिन, ... एन्कोडेड) जो आपको बिना 'b'ध्वज के खुलने चाहिए ।
path = Path(path), with path.open('rb') as file:इसके बजाय अंतर्निहित खुले फ़ंक्शन का उपयोग करने के लिए चुना है ? वे दोनों एक ही बात सही करते हैं?
Pathऑब्जेक्ट का उपयोग करता हूं क्योंकि यह पथों को संभालने के लिए बहुत सुविधाजनक नया तरीका है। एक स्ट्रिंग के चारों ओर ध्यान से चुने गए "सही" कार्यों में गुजरने के बजाय, हम बस पथ ऑब्जेक्ट पर विधियों को कॉल कर सकते हैं, जिसमें अनिवार्य रूप से अधिकांश महत्वपूर्ण कार्यक्षमता शामिल है जो आप चाहते हैं कि शब्दार्थ पथ स्ट्रिंग है। आईडीई के साथ जो निरीक्षण कर सकते हैं, हम और अधिक आसानी से स्वत: पूर्णता प्राप्त कर सकते हैं। हम openबिलिन के साथ ही इसे पूरा कर सकते हैं , लेकिन प्रोग्रामर के लिए Pathऑब्जेक्ट को उपयोग करने के लिए प्रोग्राम लिखते समय बहुत सारे अपसाइड होते हैं ।
file_byte_iteratorइस पृष्ठ पर मेरे द्वारा आजमाए गए सभी तरीकों से बहुत तेज है। आप के लिए यश!
क्रिसपी, स्कर्मडेल, बेन होयट और पीटर हैंसेन के सभी शानदार बिंदुओं को संक्षेप में, यह एक समय में एक बाइट फ़ाइल एक बाइट को संसाधित करने के लिए इष्टतम समाधान होगा:
with open("myfile", "rb") as f:
while True:
byte = f.read(1)
if not byte:
break
do_stuff_with(ord(byte))अजगर संस्करणों के लिए 2.6 और ऊपर, क्योंकि:
या बेहतर गति के लिए जेएफ सेबेस्टियन समाधान का उपयोग करें
from functools import partial
with open(filename, 'rb') as file:
for byte in iter(partial(file.read, 1), b''):
# Do stuff with byteया यदि आप इसे एक जनरेटर फ़ंक्शन के रूप में चाहते हैं जैसे कि कोडेपे द्वारा प्रदर्शित किया गया है:
def bytes_from_file(filename):
with open(filename, "rb") as f:
while True:
byte = f.read(1)
if not byte:
break
yield(ord(byte))
# example:
for b in bytes_from_file('filename'):
do_stuff_with(b)उपरोक्त सभी प्रयास करने और @Aaron हॉल से उत्तर का उपयोग करने के बाद, मुझे विंडो 10, 8 जीबी रैम और पायथन 3.5 32-बिट चलाने वाले कंप्यूटर पर ~ 90 एमबी फ़ाइल के लिए मेमोरी त्रुटियां मिल रही थीं। मुझे एक सहकर्मी द्वारा उपयोग करने की सिफारिश की गई थीnumpy इसके बजाय और यह अद्भुत काम करता है।
अब तक, एक पूरी बाइनरी फ़ाइल (जो मैंने परीक्षण की है) पढ़ने के लिए सबसे तेज़ है:
import numpy as np
file = "binary_file.bin"
data = np.fromfile(file, 'u1')अब तक के किसी भी अन्य तरीकों की तुलना में तेजी से बहुआयामी। आशा है कि यह किसी की मदद करता है!
numpy, तो सार्थक हो सकता है।
यदि आपके पास पढ़ने के लिए बहुत सारे बाइनरी डेटा हैं, तो आप मॉड्यूल मॉड्यूल पर विचार करना चाह सकते हैं । इसे "सी और पायथन प्रकारों के बीच" के रूप में परिवर्तित करने के रूप में प्रलेखित किया गया है, लेकिन निश्चित रूप से, बाइट्स बाइट्स हैं, और क्या वे सी प्रकार के रूप में बनाए गए थे, इससे कोई फर्क नहीं पड़ता। उदाहरण के लिए, यदि आपके बाइनरी डेटा में दो 2-बाइट पूर्णांक और एक 4-बाइट पूर्णांक होते हैं, तो आप उन्हें निम्नानुसार पढ़ सकते हैं (उदाहरण structप्रलेखन से लिया गया ):
>>> struct.unpack('hhl', b'\x00\x01\x00\x02\x00\x00\x00\x03')
(1, 2, 3)आपको फ़ाइल की सामग्री पर स्पष्ट रूप से लूपिंग की तुलना में यह अधिक सुविधाजनक, तेज़ या दोनों मिल सकता है।
यह पोस्ट स्वयं प्रश्न का सीधा उत्तर नहीं है। इसके बजाय यह एक डेटा-चालित एक्स्टेंसिबल बेंचमार्क है जिसका उपयोग कई उत्तरों की तुलना करने के लिए किया जा सकता है (और बाद में जोड़े गए नए फीचर्स के उपयोग के रूपांतर, अधिक आधुनिक, पायथन के संस्करण) जो इस प्रश्न पर पोस्ट किए गए हैं - और इसलिए सबसे अच्छा प्रदर्शन है, जो यह निर्धारित करने में सहायक हो।
कुछ मामलों में मैंने संदर्भित उत्तर में कोड को बेंचमार्क फ्रेमवर्क के साथ संगत बनाने के लिए संशोधित किया है।
सबसे पहले, यहाँ वर्तमान में पायथन 2 और 3 के नवीनतम संस्करण के लिए परिणाम हैं:
Fastest to slowest execution speeds with 32-bit Python 2.7.16
numpy version 1.16.5
Test file size: 1,024 KiB
100 executions, best of 3 repetitions
1 Tcll (array.array) : 3.8943 secs, rel speed 1.00x, 0.00% slower (262.95 KiB/sec)
2 Vinay Sajip (read all into memory) : 4.1164 secs, rel speed 1.06x, 5.71% slower (248.76 KiB/sec)
3 codeape + iter + partial : 4.1616 secs, rel speed 1.07x, 6.87% slower (246.06 KiB/sec)
4 codeape : 4.1889 secs, rel speed 1.08x, 7.57% slower (244.46 KiB/sec)
5 Vinay Sajip (chunked) : 4.1977 secs, rel speed 1.08x, 7.79% slower (243.94 KiB/sec)
6 Aaron Hall (Py 2 version) : 4.2417 secs, rel speed 1.09x, 8.92% slower (241.41 KiB/sec)
7 gerrit (struct) : 4.2561 secs, rel speed 1.09x, 9.29% slower (240.59 KiB/sec)
8 Rick M. (numpy) : 8.1398 secs, rel speed 2.09x, 109.02% slower (125.80 KiB/sec)
9 Skurmedel : 31.3264 secs, rel speed 8.04x, 704.42% slower ( 32.69 KiB/sec)
Benchmark runtime (min:sec) - 03:26Fastest to slowest execution speeds with 32-bit Python 3.8.0
numpy version 1.17.4
Test file size: 1,024 KiB
100 executions, best of 3 repetitions
1 Vinay Sajip + "yield from" + "walrus operator" : 3.5235 secs, rel speed 1.00x, 0.00% slower (290.62 KiB/sec)
2 Aaron Hall + "yield from" : 3.5284 secs, rel speed 1.00x, 0.14% slower (290.22 KiB/sec)
3 codeape + iter + partial + "yield from" : 3.5303 secs, rel speed 1.00x, 0.19% slower (290.06 KiB/sec)
4 Vinay Sajip + "yield from" : 3.5312 secs, rel speed 1.00x, 0.22% slower (289.99 KiB/sec)
5 codeape + "yield from" + "walrus operator" : 3.5370 secs, rel speed 1.00x, 0.38% slower (289.51 KiB/sec)
6 codeape + "yield from" : 3.5390 secs, rel speed 1.00x, 0.44% slower (289.35 KiB/sec)
7 jfs (mmap) : 4.0612 secs, rel speed 1.15x, 15.26% slower (252.14 KiB/sec)
8 Vinay Sajip (read all into memory) : 4.5948 secs, rel speed 1.30x, 30.40% slower (222.86 KiB/sec)
9 codeape + iter + partial : 4.5994 secs, rel speed 1.31x, 30.54% slower (222.64 KiB/sec)
10 codeape : 4.5995 secs, rel speed 1.31x, 30.54% slower (222.63 KiB/sec)
11 Vinay Sajip (chunked) : 4.6110 secs, rel speed 1.31x, 30.87% slower (222.08 KiB/sec)
12 Aaron Hall (Py 2 version) : 4.6292 secs, rel speed 1.31x, 31.38% slower (221.20 KiB/sec)
13 Tcll (array.array) : 4.8627 secs, rel speed 1.38x, 38.01% slower (210.58 KiB/sec)
14 gerrit (struct) : 5.0816 secs, rel speed 1.44x, 44.22% slower (201.51 KiB/sec)
15 Rick M. (numpy) + "yield from" : 11.8084 secs, rel speed 3.35x, 235.13% slower ( 86.72 KiB/sec)
16 Skurmedel : 11.8806 secs, rel speed 3.37x, 237.18% slower ( 86.19 KiB/sec)
17 Rick M. (numpy) : 13.3860 secs, rel speed 3.80x, 279.91% slower ( 76.50 KiB/sec)
Benchmark runtime (min:sec) - 04:47मैंने इसे बहुत बड़ी 10 MiB परीक्षण फ़ाइल के साथ भी चलाया (जिसे चलाने में लगभग एक घंटा लगा) और प्रदर्शन के परिणाम मिले जो ऊपर दिखाए गए लोगों के साथ तुलनात्मक थे।
यहाँ बेंचमार्किंग करने के लिए उपयोग किया जाने वाला कोड है:
from __future__ import print_function
import array
import atexit
from collections import deque, namedtuple
import io
from mmap import ACCESS_READ, mmap
import numpy as np
from operator import attrgetter
import os
import random
import struct
import sys
import tempfile
from textwrap import dedent
import time
import timeit
import traceback
try:
xrange
except NameError: # Python 3
xrange = range
class KiB(int):
""" KibiBytes - multiples of the byte units for quantities of information. """
def __new__(self, value=0):
return 1024*value
BIG_TEST_FILE = 1 # MiBs or 0 for a small file.
SML_TEST_FILE = KiB(64)
EXECUTIONS = 100 # Number of times each "algorithm" is executed per timing run.
TIMINGS = 3 # Number of timing runs.
CHUNK_SIZE = KiB(8)
if BIG_TEST_FILE:
FILE_SIZE = KiB(1024) * BIG_TEST_FILE
else:
FILE_SIZE = SML_TEST_FILE # For quicker testing.
# Common setup for all algorithms -- prefixed to each algorithm's setup.
COMMON_SETUP = dedent("""
# Make accessible in algorithms.
from __main__ import array, deque, get_buffer_size, mmap, np, struct
from __main__ import ACCESS_READ, CHUNK_SIZE, FILE_SIZE, TEMP_FILENAME
from functools import partial
try:
xrange
except NameError: # Python 3
xrange = range
""")
def get_buffer_size(path):
""" Determine optimal buffer size for reading files. """
st = os.stat(path)
try:
bufsize = st.st_blksize # Available on some Unix systems (like Linux)
except AttributeError:
bufsize = io.DEFAULT_BUFFER_SIZE
return bufsize
# Utility primarily for use when embedding additional algorithms into benchmark.
VERIFY_NUM_READ = """
# Verify generator reads correct number of bytes (assumes values are correct).
bytes_read = sum(1 for _ in file_byte_iterator(TEMP_FILENAME))
assert bytes_read == FILE_SIZE, \
'Wrong number of bytes generated: got {:,} instead of {:,}'.format(
bytes_read, FILE_SIZE)
"""
TIMING = namedtuple('TIMING', 'label, exec_time')
class Algorithm(namedtuple('CodeFragments', 'setup, test')):
# Default timeit "stmt" code fragment.
_TEST = """
#for b in file_byte_iterator(TEMP_FILENAME): # Loop over every byte.
# pass # Do stuff with byte...
deque(file_byte_iterator(TEMP_FILENAME), maxlen=0) # Data sink.
"""
# Must overload __new__ because (named)tuples are immutable.
def __new__(cls, setup, test=None):
""" Dedent (unindent) code fragment string arguments.
Args:
`setup` -- Code fragment that defines things used by `test` code.
In this case it should define a generator function named
`file_byte_iterator()` that will be passed that name of a test file
of binary data. This code is not timed.
`test` -- Code fragment that uses things defined in `setup` code.
Defaults to _TEST. This is the code that's timed.
"""
test = cls._TEST if test is None else test # Use default unless one is provided.
# Uncomment to replace all performance tests with one that verifies the correct
# number of bytes values are being generated by the file_byte_iterator function.
#test = VERIFY_NUM_READ
return tuple.__new__(cls, (dedent(setup), dedent(test)))
algorithms = {
'Aaron Hall (Py 2 version)': Algorithm("""
def file_byte_iterator(path):
with open(path, "rb") as file:
callable = partial(file.read, 1024)
sentinel = bytes() # or b''
for chunk in iter(callable, sentinel):
for byte in chunk:
yield byte
"""),
"codeape": Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
while True:
chunk = f.read(chunksize)
if chunk:
for b in chunk:
yield b
else:
break
"""),
"codeape + iter + partial": Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
for chunk in iter(partial(f.read, chunksize), b''):
for b in chunk:
yield b
"""),
"gerrit (struct)": Algorithm("""
def file_byte_iterator(filename):
with open(filename, "rb") as f:
fmt = '{}B'.format(FILE_SIZE) # Reads entire file at once.
for b in struct.unpack(fmt, f.read()):
yield b
"""),
'Rick M. (numpy)': Algorithm("""
def file_byte_iterator(filename):
for byte in np.fromfile(filename, 'u1'):
yield byte
"""),
"Skurmedel": Algorithm("""
def file_byte_iterator(filename):
with open(filename, "rb") as f:
byte = f.read(1)
while byte:
yield byte
byte = f.read(1)
"""),
"Tcll (array.array)": Algorithm("""
def file_byte_iterator(filename):
with open(filename, "rb") as f:
arr = array.array('B')
arr.fromfile(f, FILE_SIZE) # Reads entire file at once.
for b in arr:
yield b
"""),
"Vinay Sajip (read all into memory)": Algorithm("""
def file_byte_iterator(filename):
with open(filename, "rb") as f:
bytes_read = f.read() # Reads entire file at once.
for b in bytes_read:
yield b
"""),
"Vinay Sajip (chunked)": Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
chunk = f.read(chunksize)
while chunk:
for b in chunk:
yield b
chunk = f.read(chunksize)
"""),
} # End algorithms
#
# Versions of algorithms that will only work in certain releases (or better) of Python.
#
if sys.version_info >= (3, 3):
algorithms.update({
'codeape + iter + partial + "yield from"': Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
for chunk in iter(partial(f.read, chunksize), b''):
yield from chunk
"""),
'codeape + "yield from"': Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
while True:
chunk = f.read(chunksize)
if chunk:
yield from chunk
else:
break
"""),
"jfs (mmap)": Algorithm("""
def file_byte_iterator(filename):
with open(filename, "rb") as f, \
mmap(f.fileno(), 0, access=ACCESS_READ) as s:
yield from s
"""),
'Rick M. (numpy) + "yield from"': Algorithm("""
def file_byte_iterator(filename):
# data = np.fromfile(filename, 'u1')
yield from np.fromfile(filename, 'u1')
"""),
'Vinay Sajip + "yield from"': Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
chunk = f.read(chunksize)
while chunk:
yield from chunk # Added in Py 3.3
chunk = f.read(chunksize)
"""),
}) # End Python 3.3 update.
if sys.version_info >= (3, 5):
algorithms.update({
'Aaron Hall + "yield from"': Algorithm("""
from pathlib import Path
def file_byte_iterator(path):
''' Given a path, return an iterator over the file
that lazily loads the file.
'''
path = Path(path)
bufsize = get_buffer_size(path)
with path.open('rb') as file:
reader = partial(file.read1, bufsize)
for chunk in iter(reader, bytes()):
yield from chunk
"""),
}) # End Python 3.5 update.
if sys.version_info >= (3, 8, 0):
algorithms.update({
'Vinay Sajip + "yield from" + "walrus operator"': Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
while chunk := f.read(chunksize):
yield from chunk # Added in Py 3.3
"""),
'codeape + "yield from" + "walrus operator"': Algorithm("""
def file_byte_iterator(filename, chunksize=CHUNK_SIZE):
with open(filename, "rb") as f:
while chunk := f.read(chunksize):
yield from chunk
"""),
}) # End Python 3.8.0 update.update.
#### Main ####
def main():
global TEMP_FILENAME
def cleanup():
""" Clean up after testing is completed. """
try:
os.remove(TEMP_FILENAME) # Delete the temporary file.
except Exception:
pass
atexit.register(cleanup)
# Create a named temporary binary file of pseudo-random bytes for testing.
fd, TEMP_FILENAME = tempfile.mkstemp('.bin')
with os.fdopen(fd, 'wb') as file:
os.write(fd, bytearray(random.randrange(256) for _ in range(FILE_SIZE)))
# Execute and time each algorithm, gather results.
start_time = time.time() # To determine how long testing itself takes.
timings = []
for label in algorithms:
try:
timing = TIMING(label,
min(timeit.repeat(algorithms[label].test,
setup=COMMON_SETUP + algorithms[label].setup,
repeat=TIMINGS, number=EXECUTIONS)))
except Exception as exc:
print('{} occurred timing the algorithm: "{}"\n {}'.format(
type(exc).__name__, label, exc))
traceback.print_exc(file=sys.stdout) # Redirect to stdout.
sys.exit(1)
timings.append(timing)
# Report results.
print('Fastest to slowest execution speeds with {}-bit Python {}.{}.{}'.format(
64 if sys.maxsize > 2**32 else 32, *sys.version_info[:3]))
print(' numpy version {}'.format(np.version.full_version))
print(' Test file size: {:,} KiB'.format(FILE_SIZE // KiB(1)))
print(' {:,d} executions, best of {:d} repetitions'.format(EXECUTIONS, TIMINGS))
print()
longest = max(len(timing.label) for timing in timings) # Len of longest identifier.
ranked = sorted(timings, key=attrgetter('exec_time')) # Sort so fastest is first.
fastest = ranked[0].exec_time
for rank, timing in enumerate(ranked, 1):
print('{:<2d} {:>{width}} : {:8.4f} secs, rel speed {:6.2f}x, {:6.2f}% slower '
'({:6.2f} KiB/sec)'.format(
rank,
timing.label, timing.exec_time, round(timing.exec_time/fastest, 2),
round((timing.exec_time/fastest - 1) * 100, 2),
(FILE_SIZE/timing.exec_time) / KiB(1), # per sec.
width=longest))
print()
mins, secs = divmod(time.time()-start_time, 60)
print('Benchmark runtime (min:sec) - {:02d}:{:02d}'.format(int(mins),
int(round(secs))))
main()yield from chunkबजाय कर रहा हूं for byte in chunk: yield byte? मैं सोच रहा हूं कि मुझे अपना जवाब उसी के साथ कसना चाहिए।
yield from।
enumerateक्योंकि पुनरावृत्ति को पूरा करने के लिए समझा जाना चाहिए - यदि नहीं, तो अंतिम बार मैंने जांच की थी - गणना करने वाले के पास सूचकांक = 1 के साथ बहीखाता करने की लागत के साथ ओवरहेड का एक बिट है, इसलिए आप वैकल्पिक रूप से अपने बहीखाते को कर सकते हैं खुद का कोड। या यहां तक कि के साथ एक धोखा करने के लिए गुजरती हैं maxlen=0।
enumerate। प्रतिक्रिया के लिए धन्यवाद। मेरी पोस्ट में एक अपडेट जोड़ रहा होगा जो इसमें नहीं है (हालांकि मुझे नहीं लगता कि इससे परिणाम बहुत बदल जाते हैं)। @Rick M. का- numpyआधारित उत्तर भी जोड़ रहा होगा ।
super().बजाय उपयोग करते हैं तो आप अनुक्रमित के बजाय विशेषता नामों का उपयोग कर सकते हैं । tuple.__new__namedtuple
यदि आप कुछ तेजी से देख रहे हैं, तो यहां एक विधि है जिसका उपयोग मैं वर्षों से कर रहा हूं:
from array import array
with open( path, 'rb' ) as file:
data = array( 'B', file.read() ) # buffer the file
# evaluate it's data
for byte in data:
v = byte # int value
c = chr(byte)यदि आप data = file.read()चींटियों के बजाय चार्ट को पुनरावृत्त करना चाहते हैं, तो आप बस उपयोग कर सकते हैं , जो कि पी 3 में एक बाइट्स () ऑब्जेक्ट होना चाहिए।