Question

我有一个混合二进制数据和文本数据的文件。我想通过正则表达式解析它，但是我收到了这个错误：

TypeError: can't use a string pattern on a bytes-like object

我猜这条消息意味着Python不想解析二进制文件。我正在使用"rb"标志打开文件。

如何在Python中使用正则表达式解析二进制文件？

编辑：我正在使用Python 3.2.0

Answer 1

在re.compile中，您需要使用bytes个对象，并以初始b表示：

r = re.compile(b"(This)")

这是Python 3对字符串和字节之间差异的挑剔。

Answer 2

我认为你使用Python 3。

1.以二进制模式打开文件很简单但很微妙。唯一的区别   从文本模式打开它是   mode参数包含'b'   字符。

........

4.但是，这是一个区别：二进制流对象没有编码   属性。这是有道理的，对吗？   您正在阅读（或写入）字节，而不是   字符串，所以没有转换   要做的Python。

http://www.diveintopython3.net/files.html#read

然后，在Python 3中，由于来自文件的二进制流是字节流，因此必须使用字节序列来定义用于分析文件流的正则表达式，而不是字符序列。

在Python 2中，字符串是一个数组   字符编码为的字节   单独跟踪。如果你想   Python 2来跟踪   字符编码，你必须使用一个   改为使用Unicode字符串（u''）。但在   Python 3，一个字符串总是如此   Python 2称为Unicode字符串 -   也就是说，一个Unicode数组   字符（可能变化的字节   的长度）。

http://www.diveintopython3.net/case-study-porting-chardet-to-python-3.html

和

在Python 3中，所有字符串都是序列   的Unicode字符。没有   像Python字符串编码的东西   在UTF-8中，或编码的Python字符串   作为CP-1252。 “这个字符串是UTF-8吗？”是   一个无效的问题。 UTF-8是一种方式   将字符编码为序列   字节。如果你想要一个字符串   并将其转换为字节序列   在特定的字符编码中，   Python 3可以帮助您。

http://www.diveintopython3.net/strings.html#boring-stuff

和

4.6。字符串与字节＃字节是字节;字符是一种抽象。   不可变的Unicode序列   字符称为字符串。一个   不可变的序列   数字介于0和255之间称为a   bytes对象。

...

1. 要定义字节对象，请使用b''“byte literal”语法。每个字节   在字节文字内可以是一个   ASCII字符或编码   从\ x00到\ xff的十六进制数   （0-255）。

http://www.diveintopython3.net/strings.html#boring-stuff

因此，您将按如下方式定义正则表达式

pat = re.compile(b'[a-f]+\d+')

而不是

pat = re.compile('[a-f]+\d+')

此处有更多解释：

15.6.4. Can’t use a string pattern on a bytes-like object

Answer 3

这适用于我的python 2.6

>>> import re
>>> r = re.compile(".*(ELF).*")
>>> f = open("/bin/ls")
>>> x = f.readline()
>>> r.match(x).groups()
('ELF',)

正则表达式解析二进制文件？

3 个答案: