数据压缩软件如何将文件读为纯二进制文件并进行输出？

Question

我有一个混合压缩技术我想要实现，我的实现是（到目前为止）：我可以将字符串编码为编码的压缩字符串。这些是二进制字符串。例如，

我从文本文件中读取文本 - >

然后将其转换为二进制字符串 - >

然后将其转换为编码的二进制字符串。

此时，我可以在文本文件中保存编码的二进制字符串，但我想知道一般所做的。

例如，当我们使用 WinRAR 软件时，它 -

1. 在我上面说的情况下没有阅读，它压缩了任何文件
2. 使.rar文件作为输出

所以，压缩机如何将任何文件作为纯二进制形式，以及它如何使输出文件？

以另一种方式，我想要的是知道如何将任何文件读为纯二进制形式，并给出我具有编码和解码方案的输出文件。请评论与问题相关的任何内容，我是这个主题的新功能。

Answer 1

文件是字节流

虽然SOSE提供了一些铃声和吹口哨（如元数据，或 forks ），大多数文件将文件定义为0或更多字节。

文件中的每个字节是0到255（包含）的数值。没有什么比这更重要了。

文件格式是一种向文件中的字节赋予字节的方式

对于一个简单的示例，您可以具有表示黑白图像的文件，其中每个字节是0（黑色像素）或1（白色像素），之后一行。也许前两个字节将图像宽度编码为16位数字，第二个字节将高度编码为16位数字。

此示例非常低效，因为每个像素字节永远不会使用可能的值2-255。您可能希望阅读信息理论。

“文本文件”是文件格式

在文本文件中，每个可能的值0-255都是给出的含义，特定的字母，数字，符号或“特殊效果”字符，如换行符。有点。严格地说，在 ascii 编码中，只有值0-127具有含义。

有许多不同的文本编码，虽然只有几个常见的编码。在 unicode ，字符长度不总是1个字节。

但让我们坚持ascii。如果将“51a3”作为文本存储，则字节值53,49,97,51将进入文件，因为它们对应于“5”，“1”等。

如果将十六进制值0x51和0xa3存储为字节，则将简单地是那些两个字节（十进制的81,163。），因此这是字节数的一半。但是，该文件不再是文本文件，因为163未在ASCII中定义。

其他文件格式需要目的内置软件

文本文件很受欢迎，因为您可以在任何编辑器（记事本，Nano）中打开它们。如你所见，他们不是很空间效率。

但是写自己的软件并不难。这是一个例子。

#!/usr/bin/env python3

# PART 1 - WRITE BYTES TO A FILE

save_hex = "60b725f10c9c85c70d97880dfe8191b3"

print("Saving:", save_hex)

# group save_hex into groups of 2
save_ints = []
i = 0
while i < len(save_hex):
    # the 16 makes int() treat the value as hex
    integer = int(save_hex[i:i+2], 16)
    save_ints.append(integer)
    i+=2

print("Integer values:", save_ints)

# create a bytes object out of an array of numbers
save_raw = bytes(save_ints)

with open('myfile.raw', 'wb') as f:
    f.write(save_raw)



# PART 2 - READ BYTES FROM A FILE

with open('myfile.raw', 'rb') as f:
    contents = f.read()

print("Loaded: ", end='')
for byte in contents:
    print('{:02x}'.format(byte), end='')
print()

.

运行此检查后，文件的长度是十六进制字符串的长度。此外，学会使用Hexdump工具检查文件的内容。

python的字节对象有很多功能，但如果你使用基本想法上面（范围0-255 - >字节对象的ints列表）和（迭代字节对象并在0-255范围内获取int），那么您不需要过于深入了解细节。

通用压缩软件通常不明白它压缩

的文件

将mp3文件放入zip或rar时，压缩软件将其作为一系列字节序列，同样的方式处理JPEG或EXE或HTML文件。