python测试二进制文件

本文介绍了一个用于测试城市优惠数据的Python脚本,该脚本能够从二进制文件中读取并解析关键信息,如协议版本号、点击状态、上次点击时间及当前城市的POI数量等。

# -*- coding: utf-8 -*-
#! /usr/bin/env python
################################
# @brief 城市优惠数据测试脚本
################################
import struct
import os
binfile = open("tt.db",'rb')  # < 二进制文本
#binfile.seek(0, 2)       # < 需要测试
#协议版本号和是否点击
subject = binfile.read(2)
a,b=struct.unpack('bb',subject) # < b == byte
#上次点击时间
subject = binfile.read(4)
c,=struct.unpack('i',subject)  # < i == int
#当前城市码
subject = binfile.read(4)
d,=struct.unpack('i',subject)
#当前城市poi个数
subject = binfile.read(4)
e,=struct.unpack('i',subject)
binfile.close()
print ("协议版本号     "), a
print ("是否点击       "), b
print ("上次点击时间   "), c
print ("当前城市码     "), d
print ("当前城市poi个数"), e
print ('Done')
os.system("pause")
 
在调试程序过程中,会经常有很多数据要看,要调试。是否正确了,有时候很多都是一些二进制数据,写入文件了都。所以你可以等待程序写入文件完成,直接去读取文件也是很方便的。反正手段多多,还有看内存啊之类的,不过对于中文的二进制数据,看内存也费劲,还得去对照汉字编码表,这些直接打印出来就好了。没想到以前学习的python也能用到工作中,,,,,,看来上天还是眷顾我这可怜的孩子的...................................

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值