python中的二进制文件IO，从哪里开始？

Question

作为一个自学成才的python爱好者，我该如何学习使用标准格式导入和导出二进制文件呢？

我想实现一个脚本，将ePub电子书(XHTML + CSS压缩)并将其转换为mobipocket (Palmdoc)格式，以便允许Amazon Kindle阅读(作为我正在进行的一个更大项目的一部分)。

已经有一个很棒的开源项目来管理电子书图书馆：Calibre。我想试着把它作为一种学习/自学练习来实现。我开始看他们的python source code，并意识到我不知道发生了什么。当然，在任何事情上自学的最大危险是不知道你不知道的东西。

在这种情况下，我知道我不太了解这些二进制文件以及如何在python代码中使用它们(struct?)。但我想我可能缺少了很多关于二进制文件的一般知识，我想要一些帮助来理解如何使用它们。mobi/palmdoc标头的Here is a detailed overview。谢谢!

编辑:毫无疑问，很好的观点！关于如何获得处理二进制文件的基本知识，您有什么建议吗？特定于Python的将是有帮助的，但其他方法也可能有用。

汤姆:作为问题编辑，增加了介绍/更好的标题

Answer 1

您可能应该从struct模块开始，正如您在问题中指出的那样，当然，以二进制文件的形式打开文件。

基本上，您只需从文件的开头开始，一块一块地将其拆分。这是一个麻烦，但不是一个大问题。如果文件被压缩或加密，事情会变得更加困难。如果你从一个你知道其内容的文件开始，这是很有帮助的，这样你就不会一直在猜测。

试一试，也许你会提出更具体的问题。

Answer 2

如果你想构造和分析二进制文件，struct模块将为你提供基本的工具，但它不是很友好，特别是如果你想要查看不是整数字节的东西。

有一些模块可以提供帮助，比如BitVector、bitarray和bitstring。(我喜欢bitstring，但它是我写的，所以可能有偏见)。

对于解析二进制格式，hachoir模块非常好，但我怀疑它的级别太高，无法满足您当前的需求。

Answer 3

要自学处理二进制文件的python工具，请参阅this will get you going。也很有趣。使用二进制文件，拉链，图像...还有很多。