使用python的hdf5文件中的Umlauts

Question

我希望使用pythonhdf5.py将字符串存储在hdf5文件中，只要在Unicode字符串中没有umlauts或其他特殊字符，它就能很好地工作：

# -*- coding: utf-8 -*-

import h5py

dtype = h5py.special_dtype(vlen=unicode)
wdata = u"Ärger"

with h5py.File("test.h5", 'w') as f:
    dset = f.create_dataset("DS1", (1,), dtype=dtype)
    dset[...] = wdata


with h5py.File("test.h5") as f:
    rdata = f["DS1"].value
print rdata    

答案不是rger，而是u'\xc4rger‘

是否可以在hdf5文件中存储umlauts？多么?

Answer 1

您需要为您的数据设置一个用于hdf5的编码(并可能跟踪您正在使用的编码，以便以后能够正确地恢复数据)。从本质上说，编码会将超出ascii范围的字符序列化成类似转义序列的内容，这些序列稍后可以转换为在终端或其他地方可读的文本。

在Python中使用u"“字符串并不意味着字符串是以一种特殊的方式编码的，而这种方式适用于这种情况。

关于使用unicode的hdf5文档

Answer 2

谢谢您的帮助，下面的代码可以工作，问题显然是数据集是一个Array，并且没有选择正确的元素：

# -*- coding: utf-8 -*-

import h5py

dtype = h5py.special_dtype(vlen=unicode)
wdata = u"umlauts, in HDF5, for example öüßÄ might cause trouble"

print wdata



with h5py.File("test.h5", 'w') as f:
    dset = f.create_dataset("DS1", (1,), dtype=dtype)
    dset[...] = wdata


with h5py.File("test.h5") as f:
    rdata = f["DS1"].value[-1]

print rdata

问候