1. 现象
内存映射一个二进制文件到一个可变字节数组中,目的可能是为了随机访问它的内容或者是原地做些修改
2. 原因分析
可以随机访问文件的内容,使得访问文件内容更加高效和优雅
3. 问题解决
使用mmap模块来内存映射文件。
内存映射一个文件并不会导致这个文件被读取到内存中。文件并没有被复制到内存缓存或数组中。
import mmap
def memory_map(file_name, length=0, access=None):
fd = os.open(file_name, os.O_RDWR)
return mmap.mmap(fd, length, access)
size = 10
with open('sorted_file_5', 'wb') as f_obj:
f_obj.seek(size - 1)
f_obj.write(b'A')
m = memory_map('sorted_file_5')
print(len(m)) # 10
print(m[0:5]) # b'\x00\x00\x00\x00\x00'
print(m[0]) # 0
m[0:5] = b'Hello'
m.close()
with open('sorted_file_5') as f_obj:
print(f_obj.read(10)) # 'Hello A'
mmap() 返回的 mmap 对象同样也可以作为一个上下文管理器来使用,这时候底层的文件会被自动关闭
with memory_map('sorted_file_5') as m:
print(len(m)) # 10
print(m[0:5]) # b'\x00\x00\x00\x00\x00'
print(m[0]) # 0
m[0:5] = b'Hello'
默认情况下, memeory map函数打开的文件同时支持读和写操作。任何的修改内容都会复制回原来的文件中。如果需要只读的访问模式,可以给参数 access 赋值为mmap.ACCESS_READ
memory_map(file_name, length=0, access=mmap.ACCESS_READ)
如果想在本地修改数据,但是又不想将修改写回到原始文件中,可以使用mmap.ACCESS COPY
import mmap
def memory_map(file_name, length=0, access=None):
fd = os.open(file_name, os.O_RDWR)
return mmap.mmap(fd, length, access=access)
size = 10
with open('sorted_file_5', 'wb') as f_obj:
f_obj.seek(size - 1)
f_obj.write(b'A')
from mmap import ACCESS_COPY
# access 换成mmap.ACCESS_COPY
with memory_map('sorted_file_5', access=ACCESS_COPY) as m:
print(len(m)) # 10
print(m[0:5]) # b'\x00\x00\x00\x00\x00'
print(m[0]) # 0
m[0:5] = b'Hello'
print(m[0:5]) # b'Hello'
with open('sorted_file_5') as f_obj:
print(f_obj.read(10)) # ' A'
为了随机访问文件的内容,使用 mmap 将文件映射到内存中是一个高效和优雅的方法。无需打开一个文件并执行大量的 seek() , read() , write() 调用,只
需要简单的映射文件并使用切片操作访问数据即可。
一般来讲, mmap方法所暴露的内存看上去就是一个二进制数组对象。但是,你可以使用一个内存视图来解析其中的数据。
size = 8
with open('sorted_file_5', 'wb') as f_obj:
f_obj.seek(size - 1)
f_obj.write(b'A')
f_obj.seek(0)
f_obj.write(b'Hello')
m = memory_map('sorted_file_5', access=mmap.ACCESS_COPY)
print(len(m)) # '8'
# I 表示转换为无符号整数 unsigned int 占用四个字节
v = memoryview(m).cast('I')
v[0] = 8
print(m[0:4]) # b'\x08\x00\x00\x00'
m[0:4] = b'\x07\x01\x00\x00'
# byte order 字节顺序是 'little'
print(v[0]) # '263'
print(v[1]) # '1090519151'
查询本地电脑字节顺序
import sys
print(sys.byteorder) # 'little'
需要强调的一点是,内存映射一个文件并不会导致整个文件被读取到内存中。也就是说,文件并没有被复制到内存缓存或数组中。相反,操作系统仅仅为文件内容保留了一段虚拟内存。当访问文件的不同区域时,这些区域的内容才根据需要被读取并映射到内存区域中。而那些从没被访问到的部分还是留在磁盘上。所有这些过程是透明的,在幕后完成
如果多个 Python 解释器内存映射同一个文件,得到的 mmap 对象能够被用来在解释器直接交换数据。也就是说,所有解释器都能同时读写数据,并且其中一个解释器所做的修改会自动呈现在其他解释器中。很明显,这里需要考虑同步的问题。但是这种方法有时候可以用来在管道或套接字间传递数据。
4. 错误经历
4.1 nonzero cur-relative seeks
关键语句:io.UnsupportedOperation: can't do nonzero cur-relative seeks
相关代码:
with open('sorted_file_0', 'wt', encoding='utf-8') as f_obj:
f_obj.write('第一行\n')
# 一个汉字 占用 3个字节
f_obj.write('ABC\n')
f_obj.write('第三行\n')
f_obj.write('DEF\n')
with open('sorted_file_0', 'rt', encoding='utf-8') as f_obj:
print('当前位置:{}'.format(f_obj.tell()))
# 换行符 \n 占用 2两个字节
content = f_obj.read()
print('当前位置:{}'.format(f_obj.tell()))
f_obj.seek(0)
print('当前位置:{}'.format(f_obj.tell()))
f_obj.seek(6)
data_1 = f_obj.readline() # '行\n'
print('当前位置:{}'.format(f_obj.tell()))
# 从当前位置SEEK_CUR 1 偏移 3个字节 byte
# SEEK_CUR 为 1 时,Offset必须为负数
f_obj.seek(-2, 1)
data_2 = f_obj.readline() # '一行\n'
print('当前位置:{}'.format(f_obj.tell())) # '11'
错误原因:Python 3.2 中解释说明,文本模式查找seek只允许从文件开头查找,其他方式不允许,二进制模式无此限制
with open('sorted_file_0', 'wb') as f_obj:
f_obj.write('第一行\n'.encode('utf-8'))
# 一个汉字 占用 3个字节
f_obj.write(b'ABC\n')
# 二进制 \n 一个字节
f_obj.write('第三行\n'.encode('utf-8'))
f_obj.write(b'DEF\n')
with open('sorted_file_0', 'rb') as f_obj:
print('当前位置:{}'.format(f_obj.tell()))
# 换行符 \n 占用 1 个字节
content = f_obj.read() # 'b'\xe7\xac\xac\xe4\xb8\x80\xe8\xa1\x8c\nABC\n\xe7\xac\xac\xe4\xb8\x89\xe8\xa1\x8c\nDEF\n''
print('当前位置:{}'.format(f_obj.tell())) # '28'
f_obj.seek(0)
print('当前位置:{}'.format(f_obj.tell())) # '0'
f_obj.seek(6)
data_1 = f_obj.readline() # '行\n'
print('当前位置:{}'.format(f_obj.tell())) # '10'