6.4 二进制文件操作
文本文件处理的是人类可读的字符，二进制文件处理的是计算机底层的字节。图片、音频、视频、压缩包、可执行文件，以及各种自定义格式的数据文件，都以二进制形式存储。二进制模式下读写的内容是 bytes 对象，不经过编码解码，按原始字节序列处理，因此既能保证数据完整性，又能避免编码问题。本节将讲解二进制模式下的读写操作、bytes 和 bytearray 类型的基础知识，以及二进制模式与文本模式的区别。任务管理器如果需要保存带图标的任务数据或备份整个任务库，就需要用到二进制文件操作。
6.4.1 二进制模式的打开方式
二进制模式通过在模式字符串中加上 'b' 字符来指定，与读写模式组合形成 'rb'、'wb'、'ab'、'xb' 等模式。二进制模式下的行为与对应的文本模式类似，但有几处关键区别：读写的内容是 bytes 而非字符串，不涉及编码解码，newline 参数无效，换行符不做转换。
# 二进制只读
with open("data.bin", "rb") as f:
data = f.read()
print(type(data)) # <class 'bytes'>
# 二进制只写
with open("data.bin", "wb") as f:
f.write(b"hello")二进制模式下 open() 不能传 encoding 和 errors 参数，传了会抛出 ValueError。因为二进制模式不进行编码解码，这些参数没有意义。
6.4.2 bytes 类型基础
bytes 是不可变的字节序列，类似于字符串之于字符，bytes 之于字节。字面量用 b 前缀加字符串表示，其中每个字符的 ASCII 码成为一个字节：
data = b"hello"
print(data) # b'hello'
print(type(data)) # <class 'bytes'>
print(len(data)) # 5，字节数bytes 中的每个元素是 0 到 255 的整数，可以用索引和切片访问：
data = b"hello"
print(data[0]) # 104，字母 h 的 ASCII 码
print(data[1:3]) # b'el'，切片返回 bytes包含非 ASCII 字节时，可以用十六进制转义或 bytes() 构造：
# 十六进制转义
data = b"\x41\x42\x43" # 等价于 b"ABC"
print(data) # b'ABC'
# 从整数列表构造
data = bytes([72, 101, 108, 108, 111])
print(data) # b'Hello'
# 从字符串编码构造
text = "你好"
data = text.encode("utf-8")
print(data) # b'\xe4\xbd\xa0\xe5\xa5\xbd'
print(len(data)) # 6，UTF-8 下两个汉字占 6 个字节bytes 与字符串之间通过 encode() 和 decode() 方法相互转换，这两个方法在第 4 章字符串类型中已经介绍过。二进制文件读写时，如果数据本身是文本，就需要手动进行编码解码。
6.4.3 bytearray 类型基础
bytearray 是可变的字节序列，类似列表之于元组的关系。bytes 不可变，创建后不能修改；bytearray 可变，可以原地修改、追加、删除字节。需要动态构建二进制数据时，bytearray 比 bytes 更方便。
ba = bytearray(b"hello")
print(type(ba)) # <class 'bytearray'>
# 可变操作
ba[0] = 72 # 修改第一个字节
ba.append(33) # 追加字节
print(ba) # bytearray(b'Hello!')bytearray 可以传给 write() 方法，效果与 bytes 相同。在需要逐步拼接二进制数据的场景下，先用 bytearray 累积数据，最后一次写入，比多次 write 调用更高效。
6.4.4 二进制模式下的 read() 方法
二进制模式下 read(size) 返回 bytes 对象，size 参数指定读取的字节数（注意与文本模式下的字符数区分）。不传 size 或传 -1 时读取全部内容。
with open("data.bin", "rb") as f:
chunk = f.read(4) # 读取前 4 个字节
print(chunk)
print(len(chunk)) # 4（如果文件足够长）读取到文件末尾时，read() 返回空的 bytes 对象 b''，这是与文本模式下空字符串 '' 的区别。判断二进制文件是否读完，检查返回值是否等于 b'' 即可。
二进制模式也支持 readline() 和 readlines()，它们以 \n 字节为分隔符返回行。返回的元素是 bytes 而非字符串。readline() 返回的行包含末尾的 \n 字节。
with open("data.bin", "rb") as f:
for line in f:
print(line) # 每行是 bytes 对象6.4.5 二进制模式下的 write() 方法
二进制模式下 write() 接受 bytes 或 bytearray 对象，返回写入的字节数。传入字符串会抛出 TypeError，必须先编码为 bytes。
# 正确：写入 bytes
with open("data.bin", "wb") as f:
n = f.write(b"hello")
print(n) # 5
# 错误：写入字符串
# with open("data.bin", "wb") as f:
# f.write("hello") # TypeError如果要在二进制文件中保存文本内容，需要手动编码：
text = "学习 Python"
with open("data.bin", "wb") as f:
f.write(text.encode("utf-8"))读取时再手动解码：
with open("data.bin", "rb") as f:
data = f.read()
text = data.decode("utf-8")
print(text) # 学习 Python这种手动编解码的方式与文本模式下的自动编解码效果相同，区别在于二进制模式让你对编码过程有完全的控制。需要混合存储文本和二进制数据时，二进制模式配合手动编解码是常用方案。
6.4.6 二进制追加与读写模式
'ab' 模式以二进制方式追加写入，文件存在时在末尾追加 bytes 数据，文件不存在时创建新文件。'rb+'、'wb+'、'ab+' 等组合模式在二进制基础上增加读写能力。
# 追加二进制数据
with open("log.bin", "ab") as f:
f.write(b"\x00\x01\x02")
# 二进制读写
with open("data.bin", "rb+") as f:
data = f.read(4)
f.seek(0)
f.write(b"NEW!")二进制模式下 seek() 可以自由移动到任意位置，没有文本模式的限制。这使得二进制文件适合实现随机访问，比如在固定大小的记录文件中直接定位到某条记录。这一主题在第 5 章文件指针部分详细讲解。
6.4.7 二进制文件的分块读写
处理大二进制文件时，分块读写是标准做法。每次读取固定大小的块，处理完再读下一块，避免一次性占用过多内存。
def copy_file(src, dst, chunk_size=4096):
"""分块复制二进制文件"""
with open(src, "rb") as fin, open(dst, "wb") as fout:
while True:
chunk = fin.read(chunk_size)
if not chunk:
break
fout.write(chunk)
# 使用示例
copy_file("source.bin", "backup.bin")这种分块复制的方式无论文件多大，内存占用都恒定在 chunk_size 大小。chunk_size 通常选 4096 或 8192，与操作系统的页大小对齐，IO 效率较好。
任务管理器如果要实现数据备份功能，可以用这种方式复制任务数据文件。虽然 shutil.copy() 函数已经封装了这一过程，但理解分块读写的原理对处理自定义二进制格式很有帮助。
6.4.8 结构化二进制数据简介
二进制文件常用于存储结构紧凑的结构化数据。Python 标准库的 struct 模块可以把 Python 值打包为 bytes，或从 bytes 解包为 Python 值。虽然完整的 struct 用法在后续章节展开，这里先看一个简单示例，理解二进制数据的基本处理思路。
import struct
# 打包：把一个整数和一个浮点数转为 bytes
packed = struct.pack("if", 42, 3.14)
print(packed) # b'*\x00\x00\x00\xc3\xf5H@'
print(len(packed)) # 8，整数 4 字节 + 浮点数 4 字节
# 解包：把 bytes 转回 Python 值
number, value = struct.unpack("if", packed)
print(number) # 42
print(value) # 3.14格式字符串 "if" 表示一个整数（i）加一个浮点数（f），每种格式对应固定的字节数。这种方式适合存储需要紧凑表示的数值数据，任务管理器如果要保存大量带优先级和截止时间的任务，用二进制格式比文本格式更省空间。
文本模式还是二进制模式
处理 .txt、.csv、.json 等文本格式时用文本模式，让 Python 处理编码和换行符；处理图片、音频、自定义二进制格式时用二进制模式，保证数据原样读写。不确定时优先用二进制模式读取前几个字节，根据内容判断文件类型。
练习题
- 以下代码会抛出什么异常？为什么？请改正。
with open("data.bin", "wb") as f:
f.write("hello")参考答案
会抛出 TypeError，因为二进制模式下 write() 只接受 bytes 或 bytearray，传入字符串会报错。
改正方法有两种。一是给字符串加上 b 前缀（仅限 ASCII 字符）：
with open("data.bin", "wb") as f:
f.write(b"hello")二是用 encode() 把字符串编码为 bytes：
with open("data.bin", "wb") as f:
f.write("hello".encode("utf-8"))如果字符串包含非 ASCII 字符（如中文），只能用第二种方式指定编码。
- 写一个函数
read_uint32(path)，用二进制模式读取文件前 4 个字节，并用struct.unpack把这 4 个字节解释为一个无符号 32 位整数（格式字符'I'）。如果文件不足 4 字节，返回None。
参考答案
import struct
def read_uint32(path):
with open(path, "rb") as f:
data = f.read(4)
if len(data) < 4:
return None
return struct.unpack("I", data)[0]
# 使用示例
value = read_uint32("data.bin")
print(value)用 'rb' 模式读取前 4 个字节，检查长度是否足够，再用 struct.unpack("I", data) 解包。unpack 返回元组，取第一个元素就是整数值。格式字符 'I' 表示无符号 32 位整数，占 4 个字节。
- 解释为什么二进制模式下不能传
encoding参数。如果要在二进制文件中存储中文文本，应该怎么处理？
参考答案
二进制模式按原始字节读写，不进行编码解码，encoding 参数对它没有意义，传了会抛出 ValueError。编码参数只在文本模式下有效，因为文本模式需要把字符串与字节之间相互转换。
在二进制文件中存储中文文本，需要手动编码后写入：
text = "学习 Python"
with open("data.bin", "wb") as f:
f.write(text.encode("utf-8"))读取时手动解码：
with open("data.bin", "rb") as f:
data = f.read()
text = data.decode("utf-8")手动编解码与文本模式的自动编解码效果相同，但二进制模式让你能精确控制何时编码、用何种编码，适合需要在同一文件中混合存储文本和二进制数据的场景。
- 写一个分块复制函数
copy_file(src, dst, chunk_size=8192)，用二进制模式把源文件内容复制到目标文件。要求无论文件多大，内存占用都保持恒定。
参考答案
def copy_file(src, dst, chunk_size=8192):
with open(src, "rb") as fin, open(dst, "wb") as fout:
while True:
chunk = fin.read(chunk_size)
if not chunk:
break
fout.write(chunk)
# 使用示例
copy_file("tasks_backup.bin", "tasks_copy.bin")用 with 同时管理两个文件，一个读一个写。每次读取 chunk_size 字节，读完就写入目标文件，循环直到源文件结束。chunk 为空 bytes（b''）表示读完。这种分块方式内存占用恒定在 chunk_size，适合复制大文件。
常见错误
错误 1 · TypeError: a bytes-like object is required, not 'str'
原因:二进制模式下 write() 只接受 bytes 或 bytearray 对象，直接传入字符串会抛出异常。这是二进制写入最常见的错误，常发生在习惯文本模式写法的代码迁移到二进制模式时。
解决:写入前用 b"..." 前缀构造 ASCII 字节串，或用 "字符串".encode("utf-8") 把字符串编码为 bytes。包含非 ASCII 字符时必须用 encode() 方法并指定编码。
错误 2 · ValueError: binary mode doesn't take an encoding argument
原因:在二进制模式（'rb'、'wb' 等）下给 open() 传入了 encoding 或 errors 参数。二进制模式按原始字节读写，不进行编码解码，这些参数没有意义，Python 直接拒绝。
解决:二进制模式下移除 encoding 和 errors 参数。需要处理文本编码时改用文本模式（'r'、'w'），或在二进制模式下手动调用 encode() 和 decode() 方法。
错误 3 · struct.error: unpack requires a buffer of 4 bytes
原因:struct.unpack() 要求传入的 bytes 长度与格式字符串要求的字节数严格匹配，传入的 bytes 长度不足或超出时抛出异常。常见于读取文件末尾时数据不完整，却直接传给 unpack 解包。
解决:解包前先检查 bytes 长度是否与预期一致，长度不足时返回默认值或跳过。使用 struct.calcsize(fmt) 可以预先计算格式字符串需要的字节数，便于做长度校验。