在python中打印二进制数据而不是文本的mmap

Question

我想按字符读取一个30 MB字符的大文件。我发现了一篇关于如何阅读大文件的有趣文章。 Fast Method to Stream Big files

问题：输出打印代替实际人类可读的文本二进制数据

代码：

def getRow(filepath): 
    offsets = get_offsets(filepath) 
    random.shuffle(offsets) 
    with gzip.open(filepath, "r+b") as f: 
     i = 0 
     mm = mmap.mmap(f.fileno(), 0, access = mmap.ACCESS_READ) 
     for position in offsets: 
      mm.seek(position) 
      record = mm.readline() 
      x = record.split(",") 
      yield x 


def get_offsets(input_filename): 
    offsets = [] 
    with open(input_filename, 'r+b') as f: 
     i = 0 
     mm = mmap.mmap(f.fileno(), 0, access = mmap.ACCESS_READ) 
     for record in iter(mm.readline, ''): 
      loc = mm.tell() 
      offsets.append(loc) 
      i += 1 
    return offsets 

for line in getRow("hello.dat.gz"): 
    print line 

输出：输出产生一些奇怪的二进制数据。

['w\xc1\xd9S\xabP8xy\x8f\xd8\xae\xe3\xd8b&\xb6"\xbeZ\xf3P\xdc\x19&H\\@\x8e\x83\x0b\x81?R\xb0\xf2\xb5\xc1\x88rJ\ 

我在做一些非常愚蠢的事情吗？

编辑：

我发现这个问题。这是因为gzip.open。不知道如何摆脱这一点。有任何想法吗？

Answer 1

作为每GZipFile文档：

fileno(self)

Invoke the underlying file object's `fileno()` method. 

要映射的压缩.gz文件的视图，压缩数据的不是图。

mmap()只能操作OS文件句柄，它不能映射任意的Python文件对象。

因此，不能透明地映射压缩文件的解压缩视图，除非直接由底层操作系统支持。