二进制文件操作：不只是文本的世界

说实话，很多初学者学文件操作时，都默认文件里存的是文字。但现实世界哪有这么简单？图片、音频、视频、可执行程序……这些都不是纯文本。我刚开始做项目时，就吃过这个亏——用文本模式去读一张图片，结果全是乱码，程序直接崩溃。

二进制模式，说白了就是让Python把文件当成「一串字节」来处理。没有编码转换，没有换行符处理，你给什么就读什么。这才是文件操作的底层真相。

二进制模式的三种打开方式

Python里用 'b' 来表示二进制模式。配合读写操作，有三种常用组合：

模式	含义	文件指针位置	如果文件不存在
rb	二进制读取	开头	报错
wb	二进制写入	开头（覆盖）	新建
ab	二进制追加	末尾	新建

嗯，这里要注意：wb 模式会直接清空原文件。我曾经在调试时手滑写错了变量名，把一个重要的配置文件给覆盖了……从那以后，我写二进制写入前都会先备份。

实战：复制一张图片

咱们直接上手。复制图片，就是二进制文件操作最典型的应用：

with open('input.jpg', 'rb') as src:
    data = src.read()

with open('output.jpg', 'wb') as dst:
    dst.write(data)

print('图片复制完成！')

你看，就这么几行。图片、音频、视频，原理都一样。我有个朋友做爬虫，每天要下载上千张商品图，用的就是这套逻辑。

但有个坑——如果图片很大（比如几百MB），一次性 read() 会吃掉大量内存。我建议用分块读取：

with open('input.jpg', 'rb') as src, open('output.jpg', 'wb') as dst:
    while True:
        chunk = src.read(4096)  # 每次读4KB
        if not chunk:
            break
        dst.write(chunk)

为什么是4096？其实这是个经验值。4KB是大多数文件系统的簇大小，读写效率比较高。你想想看，如果每次只读1个字节，那得调用多少次系统函数？

处理音频文件：小心头部信息

音频文件比图片更「娇气」。比如WAV文件，开头有一段44字节的文件头，里面记录了采样率、位深、声道数等信息。如果你直接修改后面的音频数据，但忘了更新文件头……嗯，播放器会直接罢工。

我做过一个音频剪辑工具，踩过这个坑。当时我直接修改了PCM数据，结果播放出来全是噪音。排查了半天，才发现是文件头里的数据长度字段没更新。

import struct

# 读取WAV文件头（前44字节）
with open('audio.wav', 'rb') as f:
    header = f.read(44)

# 解析文件头
chunk_id = header[0:4]          # b'RIFF'
file_size = struct.unpack('<I', header[4:8])[0]
wave_id = header[8:12]          # b'WAVE'
fmt_id = header[12:16]          # b'fmt '
fmt_size = struct.unpack('<I', header[16:20])[0]
audio_format = struct.unpack('<H', header[20:22])[0]
num_channels = struct.unpack('<H', header[22:24])[0]
sample_rate = struct.unpack('<I', header[24:28])[0]
byte_rate = struct.unpack('<I', header[28:32])[0]
block_align = struct.unpack('<H', header[32:34])[0]
bits_per_sample = struct.unpack('<H', header[34:36])[0]

print(f'采样率: {sample_rate} Hz')
print(f'声道数: {num_channels}')
print(f'位深: {bits_per_sample} bit')

struct模块：打包与解包的利器

刚才的代码里用到了 struct 模块。它的作用很简单：把Python的数据类型（整数、浮点数、字符串）转换成固定长度的字节串，或者反过来。

我个人习惯用 struct.pack() 来打包数据，用 struct.unpack() 来解包。格式字符串是它的灵魂：

格式符	含义	字节数
i	有符号整数	4
I	无符号整数	4
h	有符号短整数	2
H	无符号短整数	2
f	浮点数	4
d	双精度浮点数	8
s	字节串	指定长度

还有字节序的修饰符：< 表示小端序，> 表示大端序。为什么要有这个？因为不同CPU架构存储多字节数据的方式不一样。Intel的CPU用小端序，网络协议通常用大端序。我在做跨平台工具时，就因为这个字节序问题折腾了一整天。

import struct

# 打包：把Python数据变成字节串
packed = struct.pack('<I 2H f', 100, 1, 2, 3.14)
print(packed)  # 输出 b'd\x00\x00\x00\x01\x00\x02\x00\xc3\xf5H@'

# 解包：把字节串变回Python数据
unpacked = struct.unpack('<I 2H f', packed)
print(unpacked)  # 输出 (100, 1, 2, 3.140000104904175)

实战：自定义二进制文件格式

有时候，你需要自己定义一种文件格式。比如保存一组传感器的数据：

import struct

def save_sensor_data(filename, readings):
    """保存传感器数据到二进制文件"""
    with open(filename, 'wb') as f:
        # 文件头：魔数(4字节) + 版本号(2字节) + 数据条数(4字节)
        magic = b'SENS'
        version = 1
        count = len(readings)
        f.write(struct.pack('<4s H I', magic, version, count))
        
        # 每条数据：时间戳(4字节) + 温度(4字节float) + 湿度(4字节float)
        for ts, temp, hum in readings:
            f.write(struct.pack('<I f f', ts, temp, hum))

def load_sensor_data(filename):
    """从二进制文件加载传感器数据"""
    readings = []
    with open(filename, 'rb') as f:
        # 读取文件头
        magic, version, count = struct.unpack('<4s H I', f.read(10))
        if magic != b'SENS':
            raise ValueError('不是有效的传感器数据文件')
        
        # 读取每条数据
        for _ in range(count):
            data = f.read(12)  # 4 + 4 + 4
            ts, temp, hum = struct.unpack('<I f f', data)
            readings.append((ts, temp, hum))
    
    return readings

# 使用示例
data = [(1000, 25.5, 60.0), (1001, 26.0, 59.5), (1002, 25.8, 61.0)]
save_sensor_data('sensor.bin', data)
loaded = load_sensor_data('sensor.bin')
print(loaded)

避坑指南

最后，分享几个我踩过的坑：

• 不要用文本模式处理二进制文件——Windows下 '\n' 会被自动转换成 '\r\n'，图片会损坏。
• 注意文件指针的位置——read() 之后指针会移动，如果需要重新读取，记得 seek(0)。
• 大文件不要一次读完——用分块读取，或者用 memoryview 零拷贝处理。
• struct的格式字符串要严格匹配——多一个字节少一个字节，解包就会报错。

我曾经在做一个嵌入式项目时，用二进制格式存储配置参数。因为结构体定义没对齐，导致在不同平台上读取的数据完全不一样。后来我强制在格式字符串里加了填充字节，问题才解决。

二进制文件操作，说白了就是「按规则读写字节」。规则清楚了，剩下的就是细心。你想想看，计算机底层不都是0和1吗？掌握了二进制操作，你就真正理解了文件系统的本质。