解析十六进制文件以查找模式

Question

我正在解析一个 unicode/十六进制文件，该文件基本上包含一系列我感兴趣的“条目”。在这些条目之前将是以下模式：

0x 00 00 00 <LENGTH> 00 00 

其中 是后面条目的长度（以字节为单位）。因此，例如，前面带有 this 的条目：

0x 00 00 00 48 00 00 ..........

接下来的 72 个字节（0x48 转换为十进制）将是我关心的 unicode 条目。

简单地说，我想不出解析这种结构的文件的最佳方法。普通文本文件我只会使用 .split() 以特定模式拆分每个条目，但在这种情况下，每个 都会不同，我不知道这是否是最好的方法。

我正在考虑使用一个函数，该函数采用十六进制输入（整个文件）、开始位置和结束位置，在遍历并获取每个条目的偏移量后获取每个条目，尽管我觉得可能有一个更有效的方式来做到这一点。

我想在我开始破解它之前我会得到一些输入。有什么想法吗？

编辑：有关文件结构的更多信息。它是大端的，我正在寻找的模式实际上是这个，尽管由于某种原因，只有第一个条目不遵循这种模式（特殊情况，我可以稍后处理）：

0x 00 00 00 48 00 00 ......... 

其中 0x 48 是以下条目的大小。所以有两个字节的填充，然后是两个字节的大小，然后是两个字节的填充，然后是条目。正如我所说，由于某种原因，第一个条目没有相同的填充，但我可以稍后处理。每个其他条目在大小之前/之后都有相同的填充。

Answer 1

这可能是一个开始（如果您要打开一个真实文件；取消注释 with open... 行；rb 模式在那里至关重要；您想以二进制模式打开文件）

import io

# with open('filename.data', 'rb') as fle:
fle = io.StringIO('\x00\x00\x00\x48\x00\x01\x02')

# read the first 3 0x00
for _ in range(3):
    fle.read(1)
# read the length
length = ord(fle.read(1))
print(length)
data = fle.read(length)