在系统编程、网络协议解析以及文件格式处理等场景中，程序往往需要摆脱文本抽象，直接面对字节序列。Python 通过内置的 bytes、bytearray 类型以及标准库 struct 模块，为开发者提供了明确而可控的二进制数据处理能力。理解这些工具的数据模型与转换规则，可以让解析代码更具可读性和跨平台稳定性。
字节类型基础
Python 中处理二进制数据的核心类型是 bytes 和 bytearray。bytes 表示不可变字节序列，适合承载固定不变的数据块，例如文件头、协议标识或已经打包好的网络负载。bytearray 则是可变版本，允许在解析过程中原地修改某个字节，这对于逐步填充缓冲区或根据校验结果调整字段非常有用。
两者都支持索引和切片操作，但需要特别留意的是，索引返回的是 0 到 255 之间的整数，而不是长度为 1 的字节对象。这一设计直接反映了字节类型对底层数值的忠实表达。如果试图将超出该范围的整数写入字节对象，Python 会抛出 ValueError。理解这一点对后续使用 struct 模块十分重要，因为所有打包操作最终都会生成符合该数值范围的字节序列。
构造字节对象可以使用字面量、bytes 构造函数或从可读缓冲区转换。下面的示例展示了不可变字节对象的创建，以及如何通过 bytearray 得到一个可修改的副本。
# 不可变字节对象 b = bytes([0x01, 0x02, 0x03]) print(b[0]) # 输出 1 # 可变字节数组 ba = bytearray(b) ba[0] = 0xFF print(ba) # 输出 bytearray(b'xffx02x03')
使用 struct 模块完成打包与解包
struct 模块是 Python 二进制处理的关键工具。它使用格式字符串描述数据在字节缓冲区中的排列方式，通过 pack 把 Python 数值转换为字节，通过 unpack 把字节还原为 Python 对象。格式字符串中的字符对应不同的 C 语言类型，例如 H 表示无符号短整数，f 表示单精度浮点数，I 表示无符号整数。
字节序是使用该模块时最容易忽略却最重要的问题。如果不显式指定字节序，struct 会使用本机顺序和本机对齐，这会导致同一份数据在不同平台上得到不同结果。通常建议在格式串开头添加 < 表示小端，或 > 表示大端。下面的例子将一个无符号短整数和一个浮点数以小端方式写入字节，再原样读取。
将字节序显式写进格式串后，打包结果不再依赖运行环境，能够显著提升跨平台数据交换的可靠性。对于需要多次读取相同布局的场景，还可以进一步缓存格式对象，这部分会在后文讨论。
import struct # 小端格式：H 表示无符号短整数，f 表示单精度浮点数 fmt = '<Hf' data = struct.pack(fmt, 1024, 3.14) print(data) # 输出对应字节 # 解包还原 num, val = struct.unpack(fmt, data) print(num, val)
处理字符串与定长字段
二进制协议中的文本通常不会像普通字符串那样以可变长度存储，而是使用固定长度字段，例如 10 字节或 32 字节。长度不足时用空字节填充，长度超出时则可能被截断。struct 格式串中的 s 加数字可以表示定长字节串，例如 10s 表示长度为 10 的字节串。需要注意的是，它不会自动完成编码，必须先用 encode 将字符串转为字节。
下面的示例将一个名称按 UTF-8 编码后打包进 10 字节字段。当原始字符串长度不足 10 时会自动补空字节，读取后如果直接使用会残留多余的 x00，因此需要调用 rstrip 去除右侧空字节再解码。这一过程在解析定长文本字段时几乎是标准操作。
import struct
name = 'alice'.encode('utf-8')
fmt = '<10s'
packed = struct.pack(fmt, name)
print(packed)
# 解包并去除空字节
raw = struct.unpack(fmt, packed)[0]
print(raw.rstrip(b'x00').decode('utf-8'))
手动解析的误区与对比
有些开发者倾向于使用移位和按位与来提取二进制字段，例如用 (b[0] << 8) | b[1] 解析大端短整数。这种方法在字段数量少、字节序固定的简单场景中确实可行，但面对嵌套结构、大小端混用或字段较多的情况时，代码会迅速膨胀，而且极易因为字节序判断错误而得到完全相反的结果。
与手动位移相比，struct 将字节序、类型和长度集中声明在格式串中，使代码更短也更接近协议描述本身。读取逻辑不再散落在多处表达式里，维护时可以快速定位与格式定义不一致的地方。对于性能敏感场景，可以使用 struct.Struct 预先编译格式对象，避免重复解析格式字符串带来的额外开销。
下面的代码创建了一个缓存格式对象，对同一布局执行打包和解包。这种写法在循环或高频调用中尤为有效，既保留了 struct 的清晰性，又获得了接近手动操作的速度。
import struct
# 缓存格式对象提升重复调用效率
parser = struct.Struct('<IH')
binary = parser.pack(1, 2)
a, b = parser.unpack(binary)
print(a, b)
实际应用场景建议
在处理自定义网络报文或解析旧版文件格式时，先根据协议或格式说明画出字段布局表，再把每个字段映射为 struct 格式串，可以显著提升代码可读性。字段名称、偏移量、类型和字节序在表格中一目了然，编写解析代码时也不容易遗漏或错位。对于变长内容，常见的做法是把长度字段放在头部，先读取长度值，再根据长度读取数据体，这样可以避免一次性读取造成的阻塞或越界。
当数据量极大时，直接复制字节会消耗大量内存。可以结合 memoryview 获取缓冲区视图，避免不必要的复制，再对需要的切片执行 unpack。如果数据来自流式输入，可以使用 BytesIO 作为内存缓冲区，逐步读取并解析。下面的例子模拟了一个头部携带 4 字节小端长度、随后是多个无符号短整数的小型数据包。
综合运用 struct、BytesIO 和 memoryview，可以让 Python 在处理二进制数据时既保持代码简洁，又具备足够的内存效率。实际项目中还应结合边界检查和异常处理，让解析逻辑在遇到截断数据或非法长度时能够安全失败。
import struct
from io import BytesIO
buf = BytesIO()
buf.write(struct.pack('<I', 3))
for i in range(3):
buf.write(struct.pack('<H', i * 10))
buf.seek(4)
for _ in range(3):
print(struct.unpack('<H', buf.read(2))[0])
总体而言，Python 的二进制数据处理并不需要依赖复杂的第三方库，内置的 bytes、bytearray 与 struct 模块已经覆盖了绝大多数解析和打包需求。只要在编码时明确字节序、字段长度和文本编码方式，再配合缓存格式对象和缓冲区视图，就能编写出既稳健又高效的二进制处理代码。对于需要长期维护的项目，将协议布局文档化并同步到
协议说明文档或核心解析函数的 docstring 中。这样后续维护者在修改协议时，可以同时更新字段定义与解析逻辑，避免代码与文档漂移。对于跨语言通信或持久化存储场景，建议在文档中明确标注整数溢出边界、字符串最大长度以及可选字段是否存在，这些信息在 Python 中虽然不会直接引发编译错误，但会直接影响运行时的内存占用和异常行为。
在性能敏感的场景下，可以进一步将 struct 格式串预编译为全局常量，并在热路径中重复使用。对于大量重复的定长记录，考虑使用 array 模块或 numpy.frombuffer 直接映射为数值数组，能够获得更好的处理速度。如果数据包含嵌套结构或需要按位操作，可以借助 ctypes.Structure 或位运算，但应优先保持实现简单，因为 struct 与 bytes 已经足够表达大多数协议。
最后，任何二进制解析都应从失败测试开始：构造截断数据、非法长度、超长字符串和不完整消息，确保解析函数能够抛出明确异常或返回可恢复的错误状态，而不是无限等待或读取越界。将这些测试纳入持续集成，可以防止后续修改引入隐蔽的内存安全问题。这也是 Python 在处理二进制数据时能够兼顾开发效率与可靠性的关键所在。