在 Python 3 中迭代单个字节

Question

在 Python 3 中迭代 bytes 对象时，将单个 bytes 获取为 ints：

>>> [b for b in b'123']
[49, 50, 51]

如何获取长度为 1 的 bytes 对象？

以下是可能的，但对读者来说不是很明显，很可能表现不佳：

>>> [bytes([b]) for b in b'123']
[b'1', b'2', b'3']

Answer 1

如果您担心此代码的性能，并且 int 作为字节不适合您的情况，那么您可能应该重新考虑您使用的数据结构，例如，改用 str 对象。

您可以对 bytes 对象进行切片以获得长度为 1 的 bytes 对象：

L = [bytes_obj[i:i+1] for i in range(len(bytes_obj))]

有PEP 0467 -- Minor API improvements for binary sequences提出bytes.iterbytes()方法：

>>> list(b'123'.iterbytes())
[b'1', b'2', b'3']

Answer 2

int.to_bytes

int 对象有一个 to_bytes 方法，可用于将 int 转换为其对应的字节：

>>> import sys
>>> [i.to_bytes(1, sys.byteorder) for i in b'123']
[b'1', b'2', b'3']

与其他一些答案一样，目前尚不清楚这是否比 OP 的原始解决方案更具可读性：我认为长度和字节顺序参数使其更加嘈杂。

struct.unpack

另一种方法是使用struct.unpack，尽管这也可能被认为难以阅读，除非您熟悉 struct 模块：

>>> import struct
>>> struct.unpack('3c', b'123')
(b'1', b'2', b'3')

(正如 jfs 在 cmets 中观察到的，struct.unpack 的格式字符串可以动态构造；在这种情况下，我们知道结果中的单个字节数必须等于原始字节串中的字节数，所以 @987654327 @ 是可能的。）

性能

>>> import random, timeit
>>> bs = bytes(random.randint(0, 255) for i in range(100))

>>> # OP's solution
>>> timeit.timeit(setup="from __main__ import bs",
                  stmt="[bytes([b]) for b in bs]")
46.49886950897053

>>> # Accepted answer from jfs
>>> timeit.timeit(setup="from __main__ import bs",
                  stmt="[bs[i:i+1] for i in range(len(bs))]")
20.91463226894848

>>>  # Leon's answer
>>> timeit.timeit(setup="from __main__ import bs", 
                  stmt="list(map(bytes, zip(bs)))")
27.476876026019454

>>> # guettli's answer
>>> timeit.timeit(setup="from __main__ import iter_bytes, bs",        
                  stmt="list(iter_bytes(bs))")
24.107485140906647

>>> # user38's answer (with Leon's suggested fix)
>>> timeit.timeit(setup="from __main__ import bs", 
                  stmt="[chr(i).encode('latin-1') for i in bs]")
45.937552741961554

>>> # Using int.to_bytes
>>> timeit.timeit(setup="from __main__ import bs;from sys import byteorder", 
                  stmt="[x.to_bytes(1, byteorder) for x in bs]")
32.197659170022234

>>> # Using struct.unpack, converting the resulting tuple to list
>>> # to be fair to other methods
>>> timeit.timeit(setup="from __main__ import bs;from struct import unpack", 
                  stmt="list(unpack('100c', bs))")
1.902243083808571

struct.unpack 似乎比其他方法至少快一个数量级，大概是因为它在字节级别上运行。另一方面，int.to_bytes 的性能比大多数“显而易见”的方法都要差。

Answer 3

我认为比较不同方法的运行时可能很有用，所以我做了一个基准测试（使用我的库 simple_benchmark）：

毫无疑问，NumPy 解决方案是迄今为止处理大字节对象最快的解决方案。

但如果需要结果列表，那么 NumPy 解决方案（使用tolist()）和struct 解决方案都比其他替代方案快得多。

我没有包括 guettlis 答案，因为它几乎与 jfs 解决方案相同，只是使用了生成器函数而不是理解。

import numpy as np
import struct
import sys

from simple_benchmark import BenchmarkBuilder
b = BenchmarkBuilder()

@b.add_function()
def jfs(bytes_obj):
    return [bytes_obj[i:i+1] for i in range(len(bytes_obj))]

@b.add_function()
def snakecharmerb_tobytes(bytes_obj):
    return [i.to_bytes(1, sys.byteorder) for i in bytes_obj]

@b.add_function()
def snakecharmerb_struct(bytes_obj):
    return struct.unpack(str(len(bytes_obj)) + 'c', bytes_obj)

@b.add_function()
def Leon(bytes_obj):
    return list(map(bytes, zip(bytes_obj)))

@b.add_function()
def rusu_ro1_format(bytes_obj):
    return [b'%c' % i for i in bytes_obj]

@b.add_function()
def rusu_ro1_numpy(bytes_obj):
    return np.frombuffer(bytes_obj, dtype='S1')

@b.add_function()
def rusu_ro1_numpy_tolist(bytes_obj):
    return np.frombuffer(bytes_obj, dtype='S1').tolist()

@b.add_function()
def User38(bytes_obj):
    return [chr(i).encode() for i in bytes_obj]

@b.add_arguments('byte object length')
def argument_provider():
    for exp in range(2, 18):
        size = 2**exp
        yield size, b'a' * size

r = b.run()
r.plot()

Answer 4

从 python 3.5 开始你可以使用% formatting to bytes and bytearray:

[b'%c' % i for i in b'123']

输出：

[b'1', b'2', b'3']

上述解决方案比您最初的方法快 2-3 倍，如果您想要更快的解决方案，我建议使用numpy.frombuffer：

import numpy as np
np.frombuffer(b'123', dtype='S1')

输出：

array([b'1', b'2', b'3'], 
      dtype='|S1')

第二种解决方案比 struct.unpack 快约 10%（我使用了与 @snakecharmerb 相同的性能测试，针对 100 个随机字节）

Answer 5

map()、bytes() 和 zip() 的三重奏可以解决问题：

>>> list(map(bytes, zip(b'123')))
[b'1', b'2', b'3']

但是我不认为它比[bytes([b]) for b in b'123'] 更具可读性或性能更好。

Answer 6

我使用这个辅助方法：

def iter_bytes(my_bytes):
    for i in range(len(my_bytes)):
        yield my_bytes[i:i+1]

适用于 Python2 和 Python3。

Answer 7

一个简单的方法：

[bytes([i]) for i in b'123\xaa\xbb\xcc\xff']