通过Python中的程序识别文件的内容

-2

我有一个文件here。对我来说，它似乎是一个二进制文件。这是原始文件，我相信它有OHLCV中的股票信息（开盘价，最高价，最低价，收盘价，成交量）。此外它也可能有一些文字。通过Python中的程序识别文件的内容

一说我可能有OHLCV条目是

464.95, 468.3, 460, 465.65, 3957854

这是我已经尝试了代码。我完全不了解ASCII和Unicode。

input_file = "00063181.dat" # tata motors 
with open(input_file, "rb") as fh: 
    buf = fh.read() 
output_l = list(map(int , buf)) 
print (output_l)

我的疑问：我如何解码这个文件，并从中理解？有什么办法让我通过用python编写的程序读取这个文件，并将文本从int/float分开？我正在使用Python 3和Win 10 64位。

来源

2016-12-24 Pavan

很高兴听到您使用Python 3。 –

您正在寻找使用Python逆向工程化二进制文件的结构。既然你声明这个文件是二进制文件，这可能很困难。你将需要检查文件的内容，并用你最好的直觉来推断结构。你首先想要的是一种显示文件的每个字节的方法，这将有助于你理解其含义。

幸运的是，有人已经写了一个工具来做到这一点，hexdump。使用pip安装该软件包。

您需要从该软件包获得的函数是hexdump，因此让我们将其导入该软件包并获取该函数的帮助。

>>> import hexdump 
>>> help(hexdump.hexdump) 
Help on function hexdump in module hexdump: 

hexdump(data, result='print') 
    Transform binary data to the hex dump text format: 

    00000000: 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ................ 

     [x] data argument as a binary string 
     [x] data argument as a file like object 

    Returns result depending on the `result` argument: 
     'print'  - prints line by line 
     'return' - returns single string 
     'generator' - returns generator that produces lines

现在您可以开始浏览文件的内容。使用切片运算符以块形式进行。例如，为了使您的文件的第一个1KB的内容：

>>> hexdump.hexdump(buf[:1024]) 
00000000: C3 8E C2 8F 22 13 C2 AA 66 2A 22 47 C3 94 C3 AA ...."...f*"G.... 
00000010: C3 89 C3 A0 C3 B1 C3 91 6A C2 A4 C3 BF 3C C2 AA ........j....<.. 
00000020: C2 91 73 C3 85 46 57 47 C2 88 C3 99 C2 B6 3E 2D ..s..FWG......>- 
00000030: C3 BA 69 10 C2 93 C3 94 38 C3 81 7A 6A 43 30 7C ..i.....8..zjC0| 
00000040: C3 BB C2 AA 01 2D C2 97 C3 83 C3 88 64 14 C3 9C .....-......d... 
00000050: C2 AB C2 AA C3 A2 74 C2 85 5D C3 97 4E 64 68 C3 ......t..]..Ndh. 
... 
000003C0: 42 C2 8F 06 7F 12 33 7F 79 1E 2C 2A 0F C3 92 36 B.....3.y.,*...6 
000003D0: C3 A6 C2 96 C2 93 C2 8B 43 C2 9F 4C C2 95 48 24 ........C..L..H$ 
000003E0: C2 B3 C2 82 26 C3 88 C3 BD C3 96 12 1E 5E 18 2E ....&........^.. 
000003F0: 37 C3 A7 C2 87 C3 AE 00 4F 3F C2 9C C3 A8 1C C2 7.......O?......

hexdump都具有使字节的位置，十六进制代码，然后（如果可能）字符的可打印形式的一个很好的属性正确的。

希望你的一些文本值将是可见的存在，这将给予一定的线索如何反向工程文件。

一旦你开始决定文件是如何构成的，您可以使用各种字符串操作员操作数据。例如，如果你发现你的文件是由空字节（b'\x00'）分割成多个段，就可以得到这些部分这样的：

>>> sections = buf.split(b'\x00')

有很多的东西，你可能要学习当你深入挖掘，如字符编码，编码数（包括小尾数为整数和浮点编码浮点数）。你会想找到一些方法来外部验证你的结果。

祝你好运。

来源

2016-12-24 13:55:10

通过Python中的程序识别文件的内容

回答

相关问题