معرفی شرکت ها
cdataclass-0.1.2
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Integration of ctypes and dataclasses
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | cdataclass-0.1.2 |
| نام | cdataclass |
| نسخه کتابخانه | 0.1.2 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | hajoks |
| ایمیل نویسنده | syari4369@gmail.com |
| آدرس صفحه اصلی | https://github.com/hajoks/cdata |
| آدرس اینترنتی | https://pypi.org/project/cdataclass/ |
| مجوز | MIT |
# cdataclass - Python dataclass for C structure
## Overview
Integration of python dataclass and ctypes.Structure.
This library provides some API for encoding/decoding dataclasses into/from ctypes.Structure/ctypes.Union.
This library can be used for:
- handling packed binary data.
- bridging the C API and python application.
## Installation
```bash
$ pip install cdataclass
```
## Examples
```python
import ctypes
from dataclasses import dataclass, field
from typing import List
from cdataclass import BigEndianCDataMixIn, meta
# Simple big endian C structure
@dataclass
class Item(BigEndianCDataMixIn):
f_item_number: int = field(metadata=meta(ctypes.c_uint32))
f_item_bytes: bytes = field(metadata=meta(ctypes.c_char * 10))
# Use as normal dataclass
item = Item(1, b"test")
assert item.f_item_number == 1
assert item.f_item_bytes == b"test"
# Get corresponding ctypes.Structure class
c_item_class = Item.ctype()
assert issubclass(c_item_class, ctypes.BigEndianStructure)
assert hasattr(c_item_class, "_fields_")
assert hasattr(c_item_class, "_pack_")
# Get the size of corresponding ctypes.Structure class
assert Item.size() == 14 # uint32(4 bytes) + c_char * 10(10 bytes) = 14
# Convert to ctype.Structure instance
c_item = item.to_ctype()
assert isinstance(c_item, ctypes.BigEndianStructure)
assert c_item.f_item_number == 1
assert c_item.f_item_bytes == b"test"
# Serialize/Deserialize to/from buffer
hex_str_represents_uint32_100 = "00 00 00 64"
hex_str_represents_char_ABCDEFGHIJ = "41 42 43 44 45 46 47 48 49 4A"
buffer = bytearray.fromhex(hex_str_represents_uint32_100 + " " + hex_str_represents_char_ABCDEFGHIJ)
item = Item.from_buffer(buffer)
assert item.f_item_number == 100
assert item.f_item_bytes == b"ABCDEFGHIJ"
assert item.to_bytearray() == buffer
# Serialize/Deserialize to/from immutable buffer
immutable_buffer = bytes(buffer)
item = Item.from_buffer_copy(immutable_buffer)
assert item.f_item_number == 100
assert item.f_item_bytes == b"ABCDEFGHIJ"
assert item.to_bytes() == immutable_buffer
# Use custom ecoding/decoding functions for data conversion
@dataclass
class CustomItem(BigEndianCDataMixIn):
f_number: int = field(
metadata=meta(
ctypes.c_char * 10,
encoder=lambda v: str(v).rjust(10).encode("utf-8"),
decoder=lambda v: int(v.decode("utf-8")),
)
)
f_string: str = field(
metadata=meta(
ctypes.c_char * 10,
encoder=lambda v: v.encode("utf-8"),
decoder=lambda v: v.decode("utf-8"),
)
)
custom_item = CustomItem(100, "test")
# Encode as specified
c_custom_item = custom_item.to_ctype()
assert c_custom_item.f_number == b" 100"
assert c_custom_item.f_string == b"test"
# Decode as specified
custom_item = CustomItem.from_buffer_copy(custom_item.to_bytes())
assert custom_item.f_number == 100
assert custom_item.f_string == "test"
# Nested structure
@dataclass
class Data(BigEndianCDataMixIn):
f_number: int = field(metadata=meta(ctypes.c_uint32))
f_bytes: bytes = field(metadata=meta(ctypes.c_char * 20))
# Use cls.ctype() to define a nested structure or array of structure or whatever customized
f_item: Item = field(metadata=meta(Item.ctype()))
f_items: List[Item] = field(metadata=meta(Item.ctype() * 5))
f_int_array: List[int] = field(metadata=meta(ctypes.c_uint16 * 5))
data = Data(
1,
b"data",
Item(100, b"item"),
[Item(i, bytes(f"item{i}", "utf-8")) for i in range(5)],
[i for i in range(5)],
)
# Access the nested field
c_data = data.to_ctype()
assert c_data.f_item.f_item_number == 100
assert c_data.f_item.f_item_bytes == b"item"
# Access the nested array
assert c_data.f_items[0].f_item_number == 0
assert c_data.f_items[0].f_item_bytes == b"item0"
assert c_data.f_items[4].f_item_number == 4
assert c_data.f_items[4].f_item_bytes == b"item4"
assert c_data.f_int_array[0] == 0
assert c_data.f_int_array[4] == 4
```
نیازمندی
| مقدار | نام |
|---|---|
| - | dataclasses |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl cdataclass-0.1.2:
pip install cdataclass-0.1.2.whl
نصب پکیج tar.gz cdataclass-0.1.2:
pip install cdataclass-0.1.2.tar.gz