Python でバイナリファイルを読み込む

1. Python の open() 関数でバイナリファイルを読み込む
2. Python でバイナリファイルを pathlib.Path で読み込む
3. Python の numpy.fromfile() 関数を用いたバイナリファイルの読み込み

プログラムまたは内部プロセッサは、バイナリファイルを解釈します。バイナリファイルの内容はバイトです。バイナリファイルを読み込むと、bytes 型のオブジェクトが返されています。

Python の open() 関数でバイナリファイルを読み込む

Python では、ファイルオブジェクトを作成するために open() 関数を利用して、そのパスを関数に渡し、特定のモード(デフォルトでは読み込みモード)でファイルを開くことができます。バイナリファイルを開く際には、読み込みモード、書き込みモード、追加モードでファイルを開く際に b パラメータを指定しなければなりません。このチュートリアルでは、バイナリの読み込みモードである rb を扱います。

以下のコードでは、バイナリファイルを読み込み、そのファイルから文字を出力します。

with open("sample.bin", "rb") as f:
    data = f.read()

print(data[2])

出力：

83

個々の文字を出力すると、整数を表示することができます。

Python には struct というパッケージがあり、多くのメソッドを持っており、ファイルやデータベースなどに格納されたバイナリデータを扱うのに使うことができます。

指定したフォーマットのレイアウトでパックされたデータを読み込むには、struct.unpack() を使用します。このようなレイアウトは、データのパッキングやアンパッキングの際に用いられるものであり、フォーマット文字を用いて指定します。これらのフォーマット文字とそのサイズを以下に示します。

関数 struct.unpack() は常にタプルを返すことに注意してください。

import struct

with open("sample.bin", "rb") as f:
    data = f.read()

unpack_result = struct.unpack("hhl", data[0:8])
print(unpack_result)

出力：

(1280, 27731, 7037801)

ここで、hhl は出力を見ればわかるように、データフォーマットのレイアウトとして short, short, long int を指定しています。フォーマットレイアウトのサイズが 8(2+2+4)なので、解凍用のバッファが 8 バイトしかないのはそのためです。

Python でバイナリファイルを pathlib.Path で読み込む

また、pathlib ライブラリの Path クラスの read_bytes() メソッドを用いてファイルをバイトモードで読み込み、先ほど示したように struct.unpack() 関数を用いてデータを解釈することもできます。

from pathlib import Path
import struct

data = Path("sample.bin").read_bytes()

multiple = struct.unpack("ii", data[:8])

print(multiple)

出力：

(1817380096, 7037801)

Python の numpy.fromfile() 関数を用いたバイナリファイルの読み込み

もう一つの興味深いアプローチが NumPy モジュールにあります。このモジュールの fromfile() 関数を用いて、dtype() 関数でフォーマットを指定した後にファイルからバイナリデータを読み込むことができます。これは高速な方法であると考えられます。以下のコードはこれを実装する方法を示しています。

import numpy as np

with open("sample.bin") as f:
    rectype = np.dtype(np.int32)
    bdata = np.fromfile(f, dtype=rectype)

print(bdata)

出力：

[1817380096    7037801]

ここでは、フォーマットの型を整数-32 ビットに指定し、fromfile() 関数を用いてデータを抽出します。