python整数转字节数组,解决python3 整数数组转bytes的效率问题

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：

#coding:utf-8

'''

@DateTime: 2017-11-25 13:51:33

@Version: 1.0

@Author: Unname_Bao

'''

import six

key = b'\xdcd~\xb6^g\x11\xe1U7R\x18!+9d\xdcd~\xb6^g\x11\xe1U7R\x18!+9d'

with open('flag.encrypted','rb') as f:

c = f.read()

flag = b''

for i in range(32):

flag += six.int2byte(key[i%32]^c[i])

with open('flag.png','wb') as f:

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：

#coding:utf-8

'''

@DateTime: 2017-11-26 14:09:29

@Version: 2.0

@Author: Unname_Bao

'''

key = b'\xdcd~\xb6^g\x11\xe1U7R\x18!+9d\xdcd~\xb6^g\x11\xe1U7R\x18!+9d'

with open('flag.encrypted','rb') as f:

c = f.read()

flag = list('1'*len(c))

for i in range(len(c)):

flag[i] = key[i%32]^c[i]

flag = bytes(flag)

with open('flag.png','wb') as f:

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

>>> s = '编程'

>>> print s

编程

>>> s

'\xe7\xbc\x96\xe7\xa8\x8b'

>>>

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。

>>> s

'\xe8\xb7\xaf\xe9\xa3\x9e' #utf-8

>>> s.decode('utf-8')

u'\u8def\u98de' #unicode 在unicode编码表里对应的位置

>>> print(s.decode('utf-8'))

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脚本之家。如有错误或未考虑完全的地方，望不吝赐教。