Ler e gravar arquivos binários

Em Python, str representa texto Unicode: uma sequência de caracteres destinada à interpretação como texto. Já bytes representa uma sequência imutável de valores inteiros entre 0 e 255.

Embora ambos possam aparecer como sequências, eles têm significados diferentes. Um valor bytes não deve ser tratado automaticamente como texto.

Compare as duas estruturas: à esquerda, cada posição contém um caractere; à direita, cada posição contém um valor de byte.

No armazenamento, arquivos contêm bytes. Considerar esses bytes como texto exige uma interpretação adicional; isso não é uma propriedade automática do conteúdo.

Quando você sabe que um arquivo contém texto, pode tratá-lo como texto. Quando a tarefa é preservar o conteúdo original — como ao copiar uma imagem — o modo binário evita interpretar os dados como caracteres.

O prefixo b cria um literal do tipo bytes. Caracteres ASCII podem aparecer diretamente, enquanto valores não imprimíveis ou fora do ASCII podem ser representados por escapes hexadecimais \xNN.

Em b"ABC\x00\xff", cada parte representa um byte. Os escapes \x00 e \xff representam, respectivamente, os valores 0 e 255. Cada escape hexadecimal desse formato possui dois dígitos.

Execute no interpretador ou em um script local:

A indexação de bytes produz um int entre 0 e 255. Já o fatiamento produz outro valor bytes, mesmo quando a fatia contém apenas um elemento.

A forma impressa pode mostrar alguns bytes como caracteres e outros como escapes. Isso é apenas uma representação conveniente da sequência — não é uma decodificação textual.

Observe também que a sequência é imutável: a última linha provoca TypeError.

O modo wb abre um arquivo para gravação binária. Nesse modo, write exige um valor bytes: fornecer uma str provoca TypeError.

Os bytes são gravados sem codificação textual e sem tradução de quebras de linha. Por isso, não use o parâmetro encoding: ele é incompatível com o modo binário.

O mesmo conjunto de valores segue da sequência em memória para o arquivo, sem uma etapa de interpretação textual.

Crie um script no seu editor e execute o código abaixo. Ele cria a pasta pratica_binaria na pasta de trabalho e grava uma amostra de 7 bytes em amostra.bin. O resultado esperado no terminal é uma mensagem informando que 7 bytes foram gravados.

A amostra contém letras ASCII, dois valores de quebra de linha e bytes que não precisam representar texto. A leitura e a conferência do arquivo serão feitas no próximo step.

Execute este script em uma pasta onde seja seguro criar arquivos de prática.

Ao abrir um arquivo com rb, read() devolve um valor do tipo bytes, não str. Nenhuma interpretação como texto é aplicada.

Neste tutorial, a leitura integral com read() será usada apenas em arquivos pequenos. Depois da leitura, você pode inspecionar o resultado com type, len, índices e fatias.

O modo rb transporta para a memória a mesma sequência de valores armazenada no arquivo. Isso inclui bytes como 0, 255 e o valor que poderia representar uma quebra de linha em um texto.

Execute o código no seu computador. Ele considera a amostra do step anterior no caminho pratica_binaria/amostra.bin, cujo conteúdo de referência é b"BIN\x00\xff\nOK".

Se você usou outro caminho anteriormente, ajuste somente o valor de caminho.

Salve como um script Python ou execute no ambiente local em que criou a amostra.

Use encode quando você tem uma str e precisa produzir bytes. Use decode quando você tem bytes que representam texto e precisa obter uma str.

dados = texto.encode("utf-8")
texto = dados.decode("utf-8")

A codificação deve ser conhecida e informada na conversão. Ao trabalhar com um arquivo aberto em rb ou wb, não passe encoding para open: a conversão ocorre separadamente, com encode ou decode.

Em UTF-8, os quatro caracteres de ação são representados por seis bytes. Os bytes de ç e ã formam grupos de dois.

Execute este código no seu ambiente Python e compare os tipos e comprimentos apresentados.

Nesta aplicação, você criará uma origem descartável, lerá seu conteúdo com rb, gravará os mesmos bytes em outro caminho com wb e relerá o destino. A igualdade entre as duas sequências completas confirmará a cópia.

Não há encode nem decode: os dados já são bytes e não precisam ser interpretados como texto.

Os bytes saem do arquivo de origem, permanecem como bytes na memória e chegam ao destino na mesma ordem.

Salve como um script Python e execute-o em uma pasta na qual você possa criar arquivos. O programa criará a pasta pratica_binaria e dois arquivos descartáveis dentro dela.