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。如有错误或未考虑完全的地方，望不吝赐教。