Byte chunking (senza stringhe) in Python 2 e 3

Question

Questo si sta rivelando più complicato di quanto mi aspettassi. Ho una stringa di byte:

data = b'abcdefghijklmnopqrstuvwxyz' 

voglio leggere questi dati in blocchi di n byte. In Python 2, questo è banale con una piccola modifica alla ricetta grouper dalla documentazione itertools:

def grouper(iterable, n, fillvalue=None): 
    "Collect data into fixed-length chunks or blocks" 
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx 
    args = [iter(iterable)] * n 
    return (''.join(x) for x in izip_longest(fillvalue=fillvalue, *args)) 

Con questo in luogo, posso chiamare:

>>> list(grouper(data, 2)) 

e ottenere:

['ab', 'cd', 'ef', 'gh', 'ij', 'kl', 'mn', 'op', 'qr', 'st', 'uv', 'wx', 'yz'] 

Sotto Python 3, questo diventa più complicato. La funzione grouper come scritto cade semplicemente sopra:

>>> list(grouper(data, 2)) 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "<stdin>", line 5, in <genexpr> 
TypeError: sequence item 0: expected str instance, int found 

E questo perché in Python 3, quando eseguire iterazioni su una bytestring (come b'foo'), si ottiene una lista di interi, piuttosto che un elenco di byte:

>>> list(b'foo') 
[102, 111, 111] 

Il pitone 3 bytes funzione aiuterà qui:

def grouper(iterable, n, fillvalue=None): 
    "Collect data into fixed-length chunks or blocks" 
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx 
    args = [iter(iterable)] * n 
    return (bytes(x) for x in izip_longest(fillvalue=fillvalue, *args)) 

Utilizzando che, ottengo wh a che voglio:

>>> list(grouper(data, 2)) 
[b'ab', b'cd', b'ef', b'gh', b'ij', b'kl', b'mn', b'op', b'qr', b'st', b'uv', b'wx', b'yz'] 

Ma (! ovviamente) la funzione bytes in Python 2 non si comporta allo stesso modo. E 'solo un alias per str, in modo che si traduce in:

>>> list(grouper(data, 2)) 
["('a', 'b')", "('c', 'd')", "('e', 'f')", "('g', 'h')", "('i', 'j')", "('k', 'l')", "('m', 'n')", "('o', 'p')", "('q', 'r')", "('s', 't')", "('u', 'v')", "('w', 'x')", "('y', 'z')"] 

... che non è affatto disponibile. Ho finito per scrivere quanto segue:

def to_bytes(s): 
    if six.PY3: 
     return bytes(s) 
    else: 
     return ''.encode('utf-8').join(list(s)) 

def grouper(iterable, n, fillvalue=None): 
    "Collect data into fixed-length chunks or blocks" 
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx 
    args = [iter(iterable)] * n 
    return (to_bytes(x) for x in izip_longest(fillvalue=fillvalue, *args)) 

Questo sembra funzionare, ma è davvero questo il modo di farlo?

Answer 1

Funcy (una libreria che offre vari strumenti utili, che supporta sia Python 2 e 3) offre un chunks function che fa esattamente questo:

>>> import funcy 
>>> data = b'abcdefghijklmnopqrstuvwxyz' 
>>> list(funcy.chunks(6, data)) 
[b'abcdef', b'ghijkl', b'mnopqr', b'stuvwx', b'yz'] # Python 3 
['abcdef', 'ghijkl', 'mnopqr', 'stuvwx', 'yz']  # Python 2.7 

In alternativa, si potrebbe includere una semplice implementazione di questo nel vostro programma (compatibile con entrambi Python 2.7 e 3):

def chunked(size, source): 
    for i in range(0, len(source), size): 
     yield source[i:i+size] 

si comporta lo stesso (almeno per i dati; Funcy di chunks funziona anche con iteratori, questo non lo fa):

>>> list(chunked(6, data)) 
[b'abcdef', b'ghijkl', b'mnopqr', b'stuvwx', b'yz'] # Python 3 
['abcdef', 'ghijkl', 'mnopqr', 'stuvwx', 'yz']  # Python 2.7 

Answer 2

Utilizzando bytes con bytearray avrebbe funzionato per entrambi se la lunghezza della stringa è divisibile per n o si passa una stringa non vuota come fillvalue:

def grouper(iterable, n, fillvalue=None): 
    "Collect data into fixed-length chunks or blocks" 
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx 
    args = [iter(iterable)] * n 
    return ((bytes(bytearray(x))) for x in zip_longest(fillvalue=fillvalue, *args)) 

PY3:

01.235.

In [20]: import sys 

In [21]: sys.version 
Out[21]: '3.4.3 (default, Oct 14 2015, 20:28:29) \n[GCC 4.8.4]' 

In [22]: print(list(grouper(data,2))) 
[b'ab', b'cd', b'ef', b'gh', b'ij', b'kl', b'mn', b'op', b'qr', b'st', b'uv', b'wx', b'yz'] 

PY2:

In [6]: import sys 

In [7]: sys.version 
Out[7]: '2.7.6 (default, Jun 22 2015, 17:58:13) \n[GCC 4.8.2]' 

In [8]: print(list(grouper(data,2))) 
['ab', 'cd', 'ef', 'gh', 'ij', 'kl', 'mn', 'op', 'qr', 'st', 'uv', 'wx', 'yz'] 

Se si passa una stringa vuota li si potrebbe filtrare fuori:

def grouper(iterable, n, fillvalue=None): 
    "Collect data into fixed-length chunks or blocks" 
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx 
    args = [iter(iterable)] * n 
    return ((bytes(bytearray(filter(None, x)))) for x in zip_longest(fillvalue=fillvalue, *args)) 

che funziona per qualsiasi stringa di lunghezza.

In [29]: print(list(grouper(data,4))) 
[b'abcd', b'efgh', b'ijkl', b'mnop', b'qrst', b'uvwx', b'yz'] 

In [30]: print(list(grouper(data,3))) 
[b'abc', b'def', b'ghi', b'jkl', b'mno', b'pqr', b'stu', b'vwx', b'yz']