新闻详情

新闻详情

首页 / 资讯中心 / 详情

Python将文件映射到内存使用mmap.mmap()函数方式

发布时间:2026/11/16 1:36:02来源:尧图网络
Python将文件映射到内存使用mmap.mmap()函数方式
如何将文件映射到内存实际案例1当你在访问某些二进制文件的时候, 你希望把文件映射到内存里面去, 这样一来就可以实现对文件的随机访问, 这些文件可能包括设备文件。2在某些嵌入式设备的场景下, 寄存器会被编址到内存地址空间里面, 所以我们可以选择映射/dev/mem这个设备的某一特定范围, 从而对这些寄存器发起访问操作。3如果一个文件可以被映射到多个进程当中去, 那么这样一来也是能够通过这种技术手段来达成实现进程间进行通信的那个目的的。解决方案在使用标准库里的mmap这个模块时, 你要调用它的mmap()函数, 而这个函数需要一个已经打开了的文件描述符作为它所需的参数去使用。代码演示# 使用dd命令创建大小为1M的每个字节都是0的二进制文件demo.bin~ % dd if/dev/zero ofdemo.bin bs1024 count102410240 records in10240 records out1048576 bytes transferred in 0.008838 secs (118644037 bytes/sec)# 以16进制形式查看这个文件~ % od -x demo.bin0000000 0000 0000 0000 0000 0000 0000 0000 0000*4000000# 接下来对这个文件进行映射import mmapmmap.mmap函数介绍需要注意对于不同的平台对这个函数使用稍有差别。Windows: mmap(fileno, length[, tagname[, access[, offset]]])Unix: mmap(fileno, length[, flags[, prot[, access[, offset]]]])fileno为文件描述符并不是一个文件对象文件描述符是由系统调用的open函数得到的系统调用的open函数在os.open()也可以使用python的open函数offset为指定映射区域必须以页对齐的# b为二进制模式r为读写权限f open(demo.bin, rb)# 得到文件描述符print(f.fileno())# 做映射映射区域长度为0映射整个文件访问权限写mn mmap.mmap(f.fileno(), 0, accessmmap.ACCESS_WRITE)# m为mmap对象类似于数组一样的操作print(type(mn))print(mn[0])print(mn[10:20])# 对文件进行写操作mn[0] 88# 字符串长度和切片长度保持一致mn[4:8] b\xff * 4# 设置offset跳过4个页并且映射8个页mn2 mmap.mmap(f.fileno(), mmap.PAGESIZE * 8, accessmmap.ACCESS_WRITE,offsetmmap.PAGESIZE * 4)# 对切片进行修改mn2[:0x1000] b\xaa * 0x1000修改文件映射内存的内容并查看# 修改映射地址内容# 查看[0]、[4:8]和[:0x1000]内容修改~ % od -x demo.bin0000000 0058 0000 ffff ffff 0000 0000 0000 00000000020 0000 0000 0000 0000 0000 0000 0000 0000*0040000 aaaa aaaa aaaa aaaa aaaa aaaa aaaa aaaa*0050000 0000 0000 0000 0000 0000 0000 0000 0000*4000000总结上述内容是依照个人的实际体会来整理出来的, 期望能够为大家提供一个借鉴的视角, 同时, 也诚挚地恳请各位观众朋友, 多多地对脚本之家这个平台给予关注与支持。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉