2017-05-28

PythonicではなくPythonesqueなクラスを書く

Python

It’s…

プログラミング言語 Pythonにおいて、Pythonらしい、といった概念をPythonicと呼ぶことがある。 Pythonicらしい書き方を知るにはZen of Pythonや『Effective Python』の第一章を参照すればその一端を知ることができる。

Effective Python ―Pythonプログラムを改良する59項目

作者: Brett Slatkin,石本敦夫,黒川利明
出版社/メーカー: オライリージャパン
発売日: 2016/01/23
メディア: 大型本
この商品を含むブログ (5件) を見る

一方で、Pythonesqueという言葉もある。Pythonesqueとはプログラミング言語 Pythonの名称のもとになったイギリスのコメディグループMonty Pythonのスケッチの不条理さを表した造語である。折角なので「チーズショップ」（第3シーズン第7話）スケッチを引用する。

youtu.be

普段はPythonicな書き方を目指すべきであるが、たまにはPythonesqueな書き方をしてもよいのではないだろうか。今回は、Pythonの特殊メソッドを変な風に実装することでPythonesqueなクラスを書く。先ほど引用した「チーズショップ」スケッチのような辞書クラスを定義してみよう。

import collections


class CheeseShop(collections.UserDict):
    def __len__(self):
        return 0

    def __getitem__(self, item):
        raise KeyError


if __name__ == "__main__":
    shop = CheeseShop(Caerphilly="here")
    print("len(shop) = {}".format(len(shop)))
    for key in ("Red Leicester", "Tilsit", "Caerphilly"):
        try:
            print(key, shop[key])
        except KeyError:
            print("{} is not here!".format(key))

出力結果は以下の通りになる。

len(shop) = 0
Red Leicester is not here!
Tilsit is not here!
Caerphilly is not here!

絶対にこのような実装をしてはいけない（普通は良心が否定するか、レビュワーに殴られる）。しかし、Python言語を理解する上では中々面白いと思う。

2017-05-17

Pythonでバイナリ列から画像の種類を判別する

Python

拡張子を信じたい人生であった。

画像ファイルがネットワークを介して飛んでくる。拡張子を信じて保存をしたいが、拡張子だけ書き換えたり中身が改ざんされているかもしれない。画像フォーマットごとにあるヘッダを読んで画像を識別したい。

表題には「Pythonで」と書いたが、本質的にバイナリ列と正規表現が扱えるプログラミング言語ならば大差は無いと思われる。意外とPythonで書かれた記事が見当たらないので一応まとめておこうという気になって書いたのがこのエントリ公開の動機である。

基本方針

大抵の画像フォーマットには仕様が定められている。つまり、何らかの決まったヘッダーが存在する。そのヘッダー情報を正規表現で読み取って判別しよう、というのが基本方針である。

JPEG

JPEGは離散コサイン変換を利用した非可逆圧縮の画像フォーマットである。 ISO/IEC 10918-1で仕様が定められ、JISでもJIS X 4301で定まっている。仕様を読み解くと*1、画像の始まりを示すマーカー(SOI)として\xff\xd8が定義されている。よって、JPEGがどうかを判定するには次のようにすればよい。

import re
import typing


def is_jpg(b: bytes) -> bool:
    """バイナリの先頭部分からJPEGファイルかどうかを判定する。"""
    return bool(re.match(b"^\xff\xd8", b[:2]))

PNG

PNGは可逆圧縮の画像フォーマットである。 ISO/IEC 15948で仕様が定められ、PNGファイルの最初の8バイトは\x89\x50\x4e\x47\x0d\x0a\x1a\x0aであると定められている*2。よって、PNGがどうかを判定するには次のようにすればよい。

import re
import typing


def is_png(b: bytes) -> bool:
    """バイナリの先頭部分からPNGファイルかどうかを判定する。"""
    return bool(re.match(b"^\x89\x50\x4e\x47\x0d\x0a\x1a\x0a", b[:8]))

GIF

GIFは可逆圧縮の画像フォーマットである。圧縮アルゴリズムのライセンスをめぐるゴタゴタがあったそうであるが私はその歴史について全く知らない。私にとってGIFは画像ファイルというよりアニメーションのためのフォーマットである。

https://www.w3.org/Graphics/GIF/spec-gif89a.txtにあるGIFの仕様を眺めると、ヘッダーとして最初はGIF、つまり\x47\x49\x46となり、続いてバージョン番号である87aか89aが続く。よって、GIF8がヘッダにあるかどうかを調べればよい*3。

import re
import typing


def is_gif(b: bytes) -> bool:
    """バイナリの先頭部分からGIFファイルかどうかを判定する。"""
    return bool(re.match(b"^\x47\x49\x46\x38", b[:4]))

PDF

PDFはAdobe社が開発したドキュメントフォーマットであるが、画像として送り付けられる場合もある。ヘッダは%PDF-なので、それを調べればよい*4。

import re
import typing


def is_pdf(b: bytes) -> bool:
    """バイナリの先頭部分からPDFファイルかどうかを判定する。"""
    return bool(re.match(b"^%PDF", b[:4]))

Windows Bitmap

Windows BitmapはIBMとMicrosoftが開発した画像フォーマットである。ここ最近、見かけた覚えがないがネットワークの向こう側にいる人間にとっては身近な画像フォーマットかもしれないのだ。冒頭がBMつまり\x42\x4dから始まるのでそれをチェックすればよい。

import re
import typing


def is_bmp(b: bytes) -> bool:
    """バイナリの先頭部分からWindows Bitmapファイルかどうかを判定する。"""
    return bool(re.match(b"^\x42\x4d", b[:2]))