No Python, como leio em um arquivo binário e faço um loop sobre cada byte desse arquivo?
No Python, como leio em um arquivo binário e faço um loop sobre cada byte desse arquivo?
Respostas:
Python 2.4 e anteriores
f = open("myfile", "rb")
try:
byte = f.read(1)
while byte != "":
# Do stuff with byte.
byte = f.read(1)
finally:
f.close()
Python 2.5-2.7
with open("myfile", "rb") as f:
byte = f.read(1)
while byte != "":
# Do stuff with byte.
byte = f.read(1)
Observe que a instrução with não está disponível nas versões do Python abaixo de 2.5. Para usá-lo na v 2.5, você precisará importá-lo:
from __future__ import with_statement
Na versão 2.6, isso não é necessário.
Python 3
No Python 3, é um pouco diferente. Não vamos mais obter caracteres brutos do fluxo no modo de byte, mas objetos de byte; portanto, precisamos alterar a condição:
with open("myfile", "rb") as f:
byte = f.read(1)
while byte != b"":
# Do stuff with byte.
byte = f.read(1)
Ou, como Benhoyt diz, pule o que não é igual e tire proveito do fato de que b""
avalia como falso. Isso torna o código compatível entre 2.6 e 3.x sem nenhuma alteração. Isso também evitaria que você alterasse a condição se passar do modo de byte para texto ou vice-versa.
with open("myfile", "rb") as f:
byte = f.read(1)
while byte:
# Do stuff with byte.
byte = f.read(1)
python 3.8
A partir de agora, graças ao operador: =, o código acima pode ser escrito de forma mais curta.
with open("myfile", "rb") as f:
while (byte := f.read(1)):
# Do stuff with byte.
Este gerador gera bytes de um arquivo, lendo o arquivo em pedaços:
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)
Consulte a documentação do Python para obter informações sobre iteradores e geradores .
8192 Byte = 8 kB
(na verdade é, KiB
mas isso não é tão conhecido). O valor é "totalmente" aleatória, mas 8 kB parece ser um valor adequado: não muita memória é desperdiçado e ainda não existem "muitas" as operações de leitura como na resposta aceita por Skurmedel ...
for b in chunk:
loop mais interno yield from chunk
. Esta forma de yield
foi adicionada no Python 3.3 (consulte Expressões de rendimento ).
Se o arquivo não for muito grande, é um problema mantê-lo na memória:
with open("filename", "rb") as f:
bytes_read = f.read()
for b in bytes_read:
process_byte(b)
onde process_byte representa alguma operação que você deseja executar no byte passado.
Se você deseja processar um pedaço de cada vez:
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)
A with
declaração está disponível no Python 2.5 e superior.
Para ler um arquivo - um byte de cada vez (ignorando o tampão) - você poderia usar o dois-argumento iter(callable, sentinel)
construído em função de :
with open(filename, 'rb') as file:
for byte in iter(lambda: file.read(1), b''):
# Do stuff with byte
Ele chama file.read(1)
até retornar nada b''
(bytestring vazio). A memória não cresce ilimitada para arquivos grandes. Você pode passar buffering=0
para open()
, para desativar o buffer - garante que apenas um byte seja lido por iteração (lento).
with
A instrução fecha o arquivo automaticamente - incluindo o caso em que o código abaixo gera uma exceção.
Apesar da presença de buffer interno por padrão, ainda é ineficiente processar um byte de cada vez. Por exemplo, aqui está o blackhole.py
utilitário que come tudo o que é dado:
#!/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)
Exemplo:
$ dd if=/dev/zero bs=1M count=1000 | python3 blackhole.py
Ele processa ~ 1,5 GB / s quando estáchunksize == 32768
na minha máquina e apenas ~ 7,5 MB / s quando chunksize == 1
. Ou seja, é 200 vezes mais lento ler um byte de cada vez. Leve isso em consideração se você puder reescrever seu processamento para usar mais de um byte por vez e se precisar de desempenho.
mmap
permite tratar um arquivo como bytearray
e um objeto de arquivo simultaneamente. Pode servir como uma alternativa para carregar o arquivo inteiro na memória, se você precisar acessar as duas interfaces. Em particular, você pode iterar um byte de cada vez em um arquivo mapeado na memória usando apenas um for
loop simples :
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 byte
mmap
suporta a notação de fatia. Por exemplo, mm[i:i+len]
retorna len
bytes do arquivo começando na posição i
. O protocolo do gerenciador de contexto não é suportado antes do Python 3.2; você precisa ligar mm.close()
explicitamente nesse caso. A iteração de cada byte usando mmap
consome mais memória que file.read(1)
, mas mmap
é uma ordem de magnitude mais rápida.
numpy
matrizes equivalentes mapeadas na memória (bytes).
numpy.memmap()
e você pode obter os dados um byte por vez (ctypes.data). Você pode pensar em matrizes numpy como um pouco mais do que blobs na memória + metadados.
Lendo arquivo binário em Python e fazendo loop em cada byte
O novo pathlib
módulo do Python 3.5 é o módulo, que possui um método de conveniência específico para ler um arquivo como bytes, permitindo a iteração sobre os bytes. Considero isso uma resposta decente (se rápida e suja):
import pathlib
for byte in pathlib.Path(path).read_bytes():
print(byte)
Interessante que esta é a única resposta a ser mencionada pathlib
.
No Python 2, você provavelmente faria isso (como Vinay Sajip também sugere):
with open(path, 'b') as file:
for byte in file.read():
print(byte)
No caso de o arquivo ser muito grande para iterar na memória, você o agruparia, idiomaticamente, usando a iter
função com a callable, sentinel
assinatura - a versão do Python 2:
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)
(Várias outras respostas mencionam isso, mas poucas oferecem um tamanho de leitura razoável.)
Vamos criar uma função para fazer isso, incluindo usos idiomáticos da biblioteca padrão para Python 3.5+:
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 chunk
Note que usamos file.read1
. file.read
blocos até obter todos os bytes solicitados ou EOF
. file.read1
nos permite evitar o bloqueio, e ele pode retornar mais rapidamente por causa disso. Nenhuma outra resposta menciona isso também.
Vamos criar um arquivo com um megabyte (na verdade mebibyte) de dados pseudo-aleatórios:
import random
import pathlib
path = 'pseudorandom_bytes'
pathobj = pathlib.Path(path)
pathobj.write_bytes(
bytes(random.randint(0, 255) for _ in range(2**20)))
Agora vamos iterar sobre ele e materializá-lo na memória:
>>> l = list(file_byte_iterator(path))
>>> len(l)
1048576
Podemos inspecionar qualquer parte dos dados, por exemplo, os últimos 100 e os primeiros 100 bytes:
>>> 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]
Não faça o seguinte - isso puxa um pedaço de tamanho arbitrário até chegar a um caractere de nova linha - muito lento quando os pedaços são muito pequenos e, possivelmente, muito grandes também:
with open(path, 'rb') as file:
for chunk in file: # text newline iteration - not for bytes
yield from chunk
O que foi dito acima é bom apenas para arquivos de texto legíveis semanticamente humanos (como texto sem formatação, código, marcação, remarcação etc ... essencialmente qualquer coisa codificada como ascii, utf, latin, etc ...) que você deve abrir sem a 'b'
bandeira.
path = Path(path), with path.open('rb') as file:
vez de usar a função aberta integrada? Ambos fazem a mesma coisa correta?
Path
objeto porque é uma nova maneira muito conveniente de lidar com caminhos. Em vez de passar uma string para as funções "certas" cuidadosamente escolhidas, podemos simplesmente chamar os métodos no objeto path, que contém essencialmente a maior parte da funcionalidade importante que você deseja com o que é semanticamente uma string de caminho. Com IDEs que podem inspecionar, também podemos obter o preenchimento automático com mais facilidade. Poderíamos fazer o mesmo com o open
built-in, mas há muitas vantagens ao escrever o programa para o programador usar o Path
objeto.
file_byte_iterator
é muito mais rápido que todos os métodos que tentei nesta página. Parabéns a você!
Para resumir todos os pontos brilhantes de chrispy, Skurmedel, Ben Hoyt e Peter Hansen, essa seria a solução ideal para processar um arquivo binário, um byte de cada vez:
with open("myfile", "rb") as f:
while True:
byte = f.read(1)
if not byte:
break
do_stuff_with(ord(byte))
Para python versões 2.6 e acima, porque:
Ou use a solução JF Sebastians para aumentar a velocidade
from functools import partial
with open(filename, 'rb') as file:
for byte in iter(partial(file.read, 1), b''):
# Do stuff with byte
Ou se você quiser como uma função geradora, como demonstrado pelo codeape:
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)
Depois de tentar todas as opções acima e usar a resposta do @Aaron Hall, eu estava recebendo erros de memória para um arquivo de ~ 90 Mb em um computador executando Windows 10, 8 Gb de RAM e Python 3.5 de 32 bits. Fui recomendado por um colega para usar numpy
e ele faz maravilhas.
De longe, o mais rápido para ler um arquivo binário inteiro (que eu testei) é:
import numpy as np
file = "binary_file.bin"
data = np.fromfile(file, 'u1')
Multidões mais rápido do que qualquer outro método até agora. Espero que ajude alguém!
numpy
, poderá valer a pena.
Se você tiver muitos dados binários para ler, considere o módulo struct . Ele está documentado como convertendo "entre tipos C e Python", mas é claro que bytes são bytes, e se esses foram criados como tipos C não importa. Por exemplo, se seus dados binários contiverem dois inteiros de 2 bytes e um inteiro de 4 bytes, você poderá lê-los da seguinte maneira (exemplo extraído da struct
documentação):
>>> struct.unpack('hhl', b'\x00\x01\x00\x02\x00\x00\x00\x03')
(1, 2, 3)
Você pode achar isso mais conveniente, mais rápido ou ambos, do que fazer um loop explícito no conteúdo de um arquivo.
Este post em si não é uma resposta direta à pergunta. Em vez disso, é um benchmark extensível orientado a dados que pode ser usado para comparar muitas das respostas (e variações da utilização de novos recursos adicionados em versões posteriores e mais modernas do Python) postadas nesta pergunta - e, portanto, devem ser seja útil para determinar qual é o melhor desempenho.
Em alguns casos, modifiquei o código na resposta referenciada para torná-lo compatível com a estrutura de benchmark.
Primeiro, aqui estão os resultados para as atuais versões mais recentes do Python 2 e 3:
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) - 03:26
Fastest 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) - 04:47
Também o executei com um arquivo de teste de 10 MiB muito maior (que levou quase uma hora para ser executado) e obtive resultados de desempenho comparáveis aos mostrados acima.
Aqui está o código usado para fazer o benchmarking:
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 chunk
sim for byte in chunk: yield byte
? Estou pensando que devo reforçar minha resposta com isso.
yield from
.
enumerate
pois a iteração deve ser concluída - se não, pela última vez que verifiquei - a enumeração tem um pouco de sobrecarga nos custos em fazer a contabilidade do índice com + = 1; portanto, você pode alternativamente fazer a contabilidade em seu próprio código. Ou mesmo passar para um deque com maxlen=0
.
enumerate
. Obrigado pelo feedback. Estarei adicionando uma atualização ao meu post que não a possui (embora eu ache que não mude muito os resultados). Também estará adicionando a numpy
resposta baseada em @Rick M.
super().
vez de tuple.
no seu __new__
você poderia usar os namedtuple
nomes de atributo em vez de índices.
se você está procurando algo rápido, aqui está um método que eu tenho usado e trabalha há anos:
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)
se você deseja iterar chars em vez de ints, pode simplesmente usar data = file.read()
, que deve ser um objeto bytes () em py3.