Python バイナリというか、バイトデータを日本語に変換する

とあるフォーマットのファイルの解析を行っているとき、
「ファイルの2バイト目に数値が入っている。
その数値のバイトから日本語のデータが開始される。」
みたいな仕様がありました。

ちょっとわかりにくいので図示すると、こんなイメージです。

まあ、よくある仕様だと思います。

とりあえず、ファイルをバイナリデータで取得し、日本語の
開始位置を取得。
該当バイト数以降のデータを取得するプログラムを書くと
こんな感じでしょうか？

#!/usr/bin/env python
# -*- coding:utf-8 -*-

import struct
import sys

if __name__ == '__main__':
    f = ｏpen('test.dat','rb')
    bit_pos = 0
    start_pos = sys.maxint
    analize_data = ""

    for line in f:
        for s in line:
            bit = struct.unpack('B',s)[0]
            hex = "%02X" % bit

            if bit_pos == 1:
                start_pos = int(hex, 16)

            if start_pos <= bit_pos:
                analize_data += hex

            bit_pos += 1

    print analize_data
    f.close()

プログラムを実行すると、

> 93FA967B8CEA8366815B835E31323382C582B78142

日本語が保存されている領域のデータが取得できました。

と、ここまでは良かったのですが、この文字列を日本語に直すには・・・

ちょっと微妙ですが、私はこんな感じのコードを書いて、日本語を取得しました。

#!/usr/bin/env python
# -*- coding:utf-8 -*-

import struct
import sys

def to_string(value):
    #一バイト目が128以下は英数？
    result = ""
    carry = ""
    for i in range(0,len(value),2):
        v = value[i:i+2]
        if len(carry) != 0:
            v = carry + v
            carry = ""
            result += struct.pack(">H",int(v,16))
        else:
            if int(v,16) < 128:
                result += struct.pack("B",int(v,16))
            else:
                carry = v
    return result


if __name__ == '__main__':
    f = ｏpen('test.dat','rb')
    bit_pos = 0
    start_pos = sys.maxint
    analize_data = ""

    for line in f:
        for s in line:
            bit = struct.unpack('B',s)[0]
            hex = "%02X" % bit

            if bit_pos == 1:
                start_pos = int(hex, 16)

            if start_pos <= bit_pos:
                analize_data += hex

            bit_pos += 1

    print analize_data
    print to_string(analize_data)
    f.close()

うーん。これでいいのかな？

【参考URL】
4.3 struct -- 文字列データをパックされたバイナリデータとして解釈する

もどる