这是个很常见的位打包/解包问题，我来给你分享两个高效的Python实现方式，分别适合不同的场景：

方法一：基于生成器的流式处理（内存友好） #

这个方法用生成器逐字节处理输入流，不会一次性加载所有数据到内存，特别适合处理超大体积的压缩数据。核心思路是维护一个位缓冲区，累积足够的位数后就提取出一个n-bit采样：

def decode_n_bit_samples(byte_stream, n):
    buffer = 0
    buffer_bits = 0
    # 遍历输入字节流的每个字节
    for byte in byte_stream:
        # 将当前字节追加到位缓冲区的高位
        buffer = (buffer << 8) | byte
        buffer_bits += 8
        
        # 当缓冲区的位数足够提取至少一个采样时，循环提取
        while buffer_bits >= n:
            # 生成n位全1的掩码，用于提取目标位
            mask = (1 << n) - 1
            # 从缓冲区的高位提取n位作为采样
            sample = (buffer >> (buffer_bits - n)) & mask
            yield sample
            # 缓冲区减少n位
            buffer_bits -= n
    
    # 可选：处理剩余的不足n位的数据（根据业务需求决定是否保留）
    # if buffer_bits > 0:
    #     yield buffer & ((1 << buffer_bits) - 1)

测试你的示例 #

用你提供的7-bit采样压缩数据测试：

# 你的压缩字节流：0x02, 0x08, 0x18
compressed_data = bytes([0x02, 0x08, 0x18])
samples = list(decode_n_bit_samples(compressed_data, 7))
print(samples)  # 输出: [1, 2, 3]

方法二：基于大整数的批量处理（代码简洁） #

如果你的数据量不算特别大，这个方法更直观：把整个字节流转换成一个大整数，然后通过位运算批量提取所有n-bit采样，代码非常简洁：

def decode_n_bit_samples_bigint(byte_stream, n):
    # 将字节流转换为大整数（大端字节序，对应位流的顺序）
    big_int = int.from_bytes(byte_stream, byteorder='big')
    total_bits = len(byte_stream) * 8
    # 计算能提取的完整采样数量
    num_samples = total_bits // n
    samples = []
    
    for i in range(num_samples):
        # 计算当前采样的位移量
        shift = total_bits - (i + 1) * n
        # 提取n位采样
        sample = (big_int >> shift) & ((1 << n) - 1)
        samples.append(sample)
    
    return samples

测试你的示例 #

同样用你的数据测试：

compressed_data = bytes([0x02, 0x08, 0x18])
samples = decode_n_bit_samples_bigint(compressed_data, 7)
print(samples)  # 输出: [1, 2, 3]

关键注意点 #

1. 字节序：两个方法都默认使用大端（big-endian）字节序，这和你示例中的位打包顺序一致。如果你的压缩数据采用小端序，需要调整字节转换的参数（byteorder='little'）。
2. 剩余位处理：如果总位数不是n的整数倍，最后会剩下不足n位的残留数据，你可以根据业务需求选择丢弃或者保留（方法一中的注释代码就是保留逻辑）。
3. 性能：两个方法都用了Python原生的位运算，速度非常快；生成器方法在处理GB级数据时内存占用远低于大整数方法。

内容的提问来源于stack exchange，提问作者porpomas