6.4.5 二进制文件与随机存取*

前面介绍的文件处理是针对文本文件的，并且主要是顺序存取文件。本节简单介绍二进制文件的处理以及文件的随机存取。

二进制文件

任何文件在底层都是字节序列。文本文件的字节可解释成字符的编码：如果是 ASCII 编码，则每个字节表示一个字符；如果是 GBK 编码，则每两个字节表示一个汉字。对文本文件的处理完全基于这种字符解释。而二进制文件的字节序列表示任意的二进制数据，不能解释为字符序列。对二进制文件的处理也必须基于特定的解释来进行。

Python 语言支持对二进制文件的处理，处理过程仍然是“打开－读写－关闭”三部曲。打开二进制文件时必须指明“以二进制方式打开”，具体就是用"rb"、"wb"和"ab"分别表

示读打开、写打开和追加打开。例如：

>>> bf1 = open("c:/windows/notepad.exe","rb")
>>> bf1.read(10)
'MZ\x90\x00\x03\x00\x00\x00\x04\x00'
>>> bf2 = open("c:/windows/explorer.exe","rb")
>>> bf2.read(10)
'MZ\x90\x00\x03\x00\x00\x00\x04\x00'

这里我们分别打开了两个常用的 Windows 应用程序文件：记事本和资源管理器，并且各读了头 10 个字节的内容。从输出结果可见，这些字节一般不能解释成字符①。细心的读者还可以发现，notepad.exe 和 explorer.exe 这两个文件的头 10 个字符是一样的。这一点都不奇怪，因为它们都是 exe 文件，而 exe 文件是有规定的文件头格式的。作为练习，读者不妨以二进制方式打开几个.jpg 文件，并读取文件头若干字节的数据，看看有什么发现。

当然我们还可以将二进制文件以"wb"和"ab"方式打开，从而可以修改二进制文件。不过除非你知道自己在做什么，一般不要尝试修改二进制文件，因为可能破坏文件格式。

关闭二进制文件和关闭文本文件是一样的，调用文件对象的 close 方法即可。

文件的随机存取

文件一般都是顺序读写的，即从文件开始处按顺序读写文件内容直至文件尾。然而，有时候也需要对文件进行随机读写，即直接定位到文件的特定位置进行读写，不需要读写从文件头到目标位置之间的内容。以读书作类比，顺序读写就像从第一页逐词逐行读到最后一页一样，而随机读写则像跳跃式读书，略过中间所有内容直接翻到某一页。

我们说过，读写文件时可以想象有一个“读写头”，就像磁带录音机的磁头一样，当前读写头所在位置决定了读写的内容是什么。刚打开文件时，读写头位于文件开始处；随着读写语句的执行，读写头不断移动。顺序读写就像磁带录放机在进行正常的回放或录音，而随机读写就像快进和快倒。

Python 文件对象提供的 seek()方法可用于文件的随机存取，其用法形如

<文件对象>.seek(n)
<文件对象>.seek(n,m)

其中，seek(n)的含义是将文件当前位置移到偏移为 n 的地方，这里的偏移是相对于文件开始位置的，即文件的第 1 个字节偏移为 0，第 2 个字节偏移为 1，依此类推。seek(n,m)的含义是将文件当前位置移到偏移为 n 的地方，这里的偏移要依 m 值来定：m 为 0 时相对于文件开始位置（即与 seek(n)相同），m 为 1 时相对于文件当前位置，m 为 2 时相对于文件末尾。偏移为正数表示朝文件尾方向移动，偏移为负数表示向文件头方向移动。

① 二进制文件中也可以含有字符数据，例如 exe 文件的头两个字节是字母 MZ，这是 exe 文件的标志。

下面的语句序列首先创建一个汉字文本文件 ccfile.txt，其中每个汉字（包括标点符号）占用 2 字节。其次，以读方式打开 ccfile.txt，然后文件当前位置移到偏移 12 处（即略过前 5 个汉字和 1 个逗号）并读取 4 个字节（即“处处”）；然后倒退 16 个字节并读取 2 个字节（即“春”）；最后向前移动 26 个字节并读 2 个字节（即“风”），最后显示三次读的内容所联接而成的字符串“处处春风”。

>>> f = open("ccfile.txt","w")
>>> f.write("春眠不觉晓，处处闻啼鸟。夜来风雨声，花落知多少。")
>>> f.close()
>>> f = open("ccfile.txt","r")
>>> f.seek(12)
>>> s = f.read(4)
>>> f.seek(-16,1)
>>> s = s + f.read(2)
>>> f.seek(26,1)
>>> s = s + f.read(2)
>>> print s
处处春风
>>> f.tell()
30L

顺便说一下，文件对象还提供 tell()方法，用于确定当前读写位置。具体用法见上面演示的最后两行，显然读完“风”后，读写头即停留在 30 号字节处。