Question

我正在处理来自spinn3r的数据，它包含序列化为字节流的多个不同的protobuf消息：

http://code.google.com/p/spinn3r-client/wiki/Protostream

“protostream是一个协议缓冲消息流，根据Google协议缓冲区规范在线上编码为长度前缀变量。该流有三个部分：头部，有效负载和尾部标记。”

这似乎是protobufs的一个非常标准的用例。实际上，protobuf核心发行版为C ++和Java提供了CodedInputStream。但是，似乎protobuf没有为python提供这样的工具 - “内部”工具没有为这种外部用途设置：

https://groups.google.com/forum/?fromgroups#!topic/protobuf/xgmUqXVsK-o

所以...在我去拼凑一个python varint解析器和工具来解析不同消息类型的流之前：有没有人知道这个的任何工具？

为什么protobuf缺少？（或者我只是没找到它？）

这似乎是protobuf的一个很大的差距，特别是与thrift的“运输”和“协议”的等效工具相比。我正确地查看了吗？

Answer 1

看起来其他答案中的代码可能会从here中解除。在使用此文件之前检查许可证，但我设法使用以下代码阅读varint32：

import sys
import myprotocol_pb2 as proto
import varint # (this is the varint.py file)

data = open("filename.bin", "rb").read() # read file as string
decoder = varint.decodeVarint32          # get a varint32 decoder
                                         # others are available in varint.py

next_pos, pos = 0, 0
while pos < len(data):
    msg = proto.Msg()                    # your message type
    next_pos, pos = decoder(data, pos)
    msg.ParseFromString(data[pos:pos + next_pos])

    # use parsed message

    pos += next_pos
print "done!"

这是一个非常简单的代码，用于加载由varint32分隔的单一类型的消息，用于描述下一条消息的大小。

更新：也可以使用以下方法直接从protobuf库中包含此文件：

from google.protobuf.internal.decoder import _DecodeVarint32

Answer 2

我已经实现了small python package来将多个protobuf消息序列化为流并从流中反序列化它们。您可以按pip安装它：

pip install pystream-protobuf

以下是将两个protobuf消息列表写入文件的示例代码：

import stream

with stream.open("test.gam", "wb") as ostream:
    ostream.write(*objects_list)
    ostream.write(*another_objects_list)

然后从流中读取相同的消息（例如vg_pb2.py中定义的对齐消息）：

import stream
import vg_pb2

alns_list = []
with stream.open("test.gam", "rb") as istream:
    for data in istream:
        aln = vg_pb2.Alignment()
        aln.ParseFromString(data)
        alns_list.append(aln)

Answer 3

这很简单，我可以看到为什么没有人打扰制作可重用的工具：

'''
Parses multiple protobuf messages from a stream of spinn3r data
'''

import sys
sys.path.append('python_proto/src')
import spinn3rApi_pb2
import protoStream_pb2

data = open('8mny44bs6tYqfnofg0ELPg.protostream').read()

def _VarintDecoder(mask):
    '''Like _VarintDecoder() but decodes signed values.'''

    local_ord = ord
    def DecodeVarint(buffer, pos):
        result = 0
        shift = 0
        while 1:
            b = local_ord(buffer[pos])
            result |= ((b & 0x7f) << shift)
            pos += 1
            if not (b & 0x80):
                if result > 0x7fffffffffffffff:
                    result -= (1 << 64)
                    result |= ~mask
                else:
                    result &= mask
                    return (result, pos)
            shift += 7
            if shift >= 64:
                ## need to create (and also catch) this exception class...
                raise _DecodeError('Too many bytes when decoding varint.')
    return DecodeVarint

## get a 64bit varint decoder
decoder = _VarintDecoder((1<<64) - 1)

## get the three types of protobuf messages we expect to see
header    = protoStream_pb2.ProtoStreamHeader()
delimiter = protoStream_pb2.ProtoStreamDelimiter()
entry     = spinn3rApi_pb2.Entry()

## get the header
pos = 0
next_pos, pos = decoder(data, pos)
header.ParseFromString(data[pos:pos + next_pos])
## should check its contents

while 1:
    pos += next_pos
    next_pos, pos = decoder(data, pos)
    delimiter.ParseFromString(data[pos:pos + next_pos])

    if delimiter.delimiter_type == delimiter.END:
        break

    pos += next_pos
    next_pos, pos = decoder(data, pos)
    entry.ParseFromString(data[pos:pos + next_pos])
    print entry

用于从流中读取多个protobuf消息的python示例

3 个答案: