Question

我有一个二进制文件，我试图从中提取字符串，我很有时间这样做。：（

我目前的策略是使用Python读取文件（使用以下函数之一：read（），readline（）或readlines（））。接下来，我通过行解析（char by char）并查找特殊字符'ô'，其中大多数情况直接跟随我想要的字符串！最后，我从特殊字符向后解析记录了我认为“有效”的所有字符。

在一天结束时，我想要前行时间戳和行中的下三个字符串。

结果：

在输入示例行＃1中，“读取”功能不会读取整行（显示在输出图像中）。我相信这是因为该函数将二进制文件解释为EOF字符，然后它停止读取。

在该示例的第2行中，有时会出现“特殊字符”，但它不是在我想要提取的字符串之后。：（

有没有更好的方法来解析这些数据？如果没有，有没有办法解决在示例行＃1中看到的问题？

当我将行打印为读取时输入数据和结果输出数据的示例。如您所见，使用readlines()时，它不会读取整行

我的字符串提取算法，它不是很健壮。

仅供参考，效率不一定是重要的。

Answer 1

为什么要使用Python。使用字符串并通过头部管道，例如

    strings /bin/ls | head -3

看看你得到了什么。您也可以为Windows获取字符串。

Answer 2

如果数据是二进制的，请不要将其作为文本读取。将其作为二进制数据读取，然后尝试查找嵌入在二进制数据中的字符串。

with open("example.tp", "b") as f:
    data = f.read() # produces a bytes object in python 3

现在根据终端字符分割您的数据

parts = data.split(b'\xf4') # f4 is hex code for your o character in latin-1

现在尽可能从每个部分中提取字符串：

from string import ascii_letters, digits

special_chars = '-()&, '
desired_chars = bytes(ascii_letters + digits + special_chars, encoding="ascii")

data = b'0,123\xf4NOPE#Hello world\xf4ignored' # sample data

parts = data.split(b'\xf4')

strings = []
for p in parts[:-1]: # ignore last part as it is never followed by the split char
    reversed_bytes = p[::-1]
    # extract the string
    for i, byte in enumerate(reversed_bytes):
        if byte not in desired_chars:
            chunk = reversed_bytes[:i]
            break
    else:
        chunk = reversed_bytes # all chars were valid
    bytes_ = chunk[::-1]
    bytes_ = bytes_.replace(b',', b'')
    strings.append(bytes_.decode("ascii")) # turn into a str
    # use ascii codec as there should be no non-ascii bytes in your string

print(strings) # prints ['0123', 'Hello world']

Python - 解析文件所需的帮助。有没有办法忽略EOF字符？

2 个答案: