经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » 程序设计 » Python3 » 查看文章
解决python3 整数数组转bytes的效率问题
来源:jb51  时间:2021/3/8 13:36:10  对本文有异议

昨天在做一道CTF题的时候碰到了一个图片异或的问题,操作大概如下:

将一个图片读入,然后每字节进行异或操作,核心代码可简化为以下:

  1. #coding:utf-8
  2. '''
  3. @DateTime: 2017-11-25 13:51:33
  4. @Version: 1.0
  5. @Author: Unname_Bao
  6. '''
  7. import six
  8. key = b'\xdcd~\xb6^g\x11\xe1U7R\x18!+9d\xdcd~\xb6^g\x11\xe1U7R\x18!+9d'
  9. with open('flag.encrypted','rb') as f:
  10. c = f.read()
  11. flag = b''
  12. for i in range(32):
  13. flag += six.int2byte(key[i%32]^c[i])
  14. with open('flag.png','wb') as f:
  15. f.write(flag)

然后就碰到了一个效率问题,跑了十几分钟都没有跑出结果,起初以为是类型转换的问题,因为比较急,于是换了成了C++的代码去解决,后来一直没多想。

今天闲下来的时候才发现代码之前的代码中存在一个非常大的问题:

内存申请问题

由于flag.encrypted文件大小为6.47MB之大,由于我的脚本思路是不断在byte数组后添加,但忽略了其本质。

就是在内存申请过程中,由于数组长度最终为600+W大小,期间存在多次数组内存不够,需要重新申请内存的问题,而python中的内存申请显然没有C++的vector的push_back有效率。

而且python中,无论是list、string还是byte,也没有reserve这种函数,不能预留内存空间(这时候真的要吐槽一下python设计者对速度优化的考量了)。

于是只能用另一种方法进行优化,就是先用list申请一个需求大小的内存空间,然后再转为bytes使用,

代码如下:

  1. #coding:utf-8
  2. '''
  3. @DateTime: 2017-11-26 14:09:29
  4. @Version: 2.0
  5. @Author: Unname_Bao
  6. '''
  7. key = b'\xdcd~\xb6^g\x11\xe1U7R\x18!+9d\xdcd~\xb6^g\x11\xe1U7R\x18!+9d'
  8. with open('flag.encrypted','rb') as f:
  9. c = f.read()
  10. flag = list('1'*len(c))
  11. for i in range(len(c)):
  12. flag[i] = key[i%32]^c[i]
  13. flag = bytes(flag)
  14. with open('flag.png','wb') as f:
  15. f.write(flag)

这样写的话几乎是瞬间完成任务了,但还是比C++慢很多,这是不可避免的。

补充:python2与python3的bytes问题

  1. >>> s = '编程'
  2. >>> print s
  3. 编程
  4. >>> s
  5. '\xe7\xbc\x96\xe7\xa8\x8b'
  6. >>>

在python2中直接调用字符串的变量的话,会打印其bytes(可以理解成用16进制表示字符串的内存地址,本质还是二进制)。在python2中,bytes和str是一回事。

为什么要有个bytes呢?因为所有数据本质都是用二进制进行储存的,当传输数据的时候,要把这些数据先转换成二进制( bytes)在进行传输。除此之外,python2里还有个单独的数据类型,把字符串解码后,就会变成unicode。

  1. >>> s
  2. '\xe8\xb7\xaf\xe9\xa3\x9e' #utf-8
  3. >>> s.decode('utf-8')
  4. u'\u8def\u98de' #unicode 在unicode编码表里对应的位置
  5. >>> print(s.decode('utf-8'))
  6. 路飞 #unicode 格式的字符

原因是python2的默认编码是ASCII,后来为了支持多国语言,就想弄个unicode。但是直接把ASCII转成unicode是很费劲的,所以龟叔直接搞了一个新的字符类型,就叫unicode,说白了就是你得在内存里先把字符串存成unicode类型

2008年python3出世,来了个大变革:

1、把字符串的编码变成了unicode,文件默认编码变成了utf-8。

2、把str 和bytes 做了明确区分, str 就是unicode格式的字符, bytes就是单纯二进制还有一个很重要的是,在python3中,只有unicode给你展示字形,其他的编码一律用bytes展示,也就是说要你强制使用unicode。

最后再提示一下,Python只要出现各种编码问题,无非是哪里的编码设置出错了

常见编码错误的原因有:

Python解释器的默认编码

Python源文件文件编码

Terminal使用的编码

操作系统的语言设置

以上为个人经验,希望能给大家一个参考,也希望大家多多支持w3xue。如有错误或未考虑完全的地方,望不吝赐教。

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号