使用h5py创建NULLTERM填充字符串时遭截断的问题求助

需要创建符合特定格式的H5文件供第三方软件读取，已复刻文件结构和数据类型，但字符串数据集存在字符丢失问题：

• 目标数据类型：String, length = 3, padding = H5T_STR_NULLTERM, cset = H5T_CSET_ASCII
• 使用NULLPAD填充时，可正常存储3个字符；但使用NULLTERM填充时，类型长度设为3，却只能存储2个字符（如输入'1346'仅保留'13'）

相关测试代码：

# NULLTERM填充（出现丢失问题）
import h5py
from h5py import Datatype

tid = h5py.h5t.FORTRAN_S1.copy()
tid.set_size(3)
tid.set_strpad(h5py.h5t.STR_NULLTERM)

dtype = h5py.Datatype(tid)

with h5py.File('example.h5', 'w') as f:
    dataset = f.create_dataset('string_dataset', shape=(), dtype=dtype, data=['1346'])

# NULLPAD填充（正常存储）
import h5py
from h5py import Datatype

tid = h5py.h5t.FORTRAN_S1.copy()
tid.set_size(3)
tid.set_strpad(h5py.h5t.STR_NULLPAD)

dtype = h5py.Datatype(tid)

with h5py.File('example.h5', 'w') as f:
    dataset = f.create_dataset('string_dataset', shape=(), dtype=dtype, data=['1346'])

解决方法 #

问题根源在于H5T_STR_NULLTERM的填充规则：该模式需要预留1字节存储终止符\0，因此实际可存储的有效字符数是「设置的类型长度-1」。要实现“类型长度对应的有效字符数为3”的需求，需调整类型定义：

1. 将类型长度设为4，预留1字节给终止符，这样实际可存储3个有效字符，第三方软件读取时会自动忽略终止符，识别为3个字符的字符串，完全符合需求。
2. 若必须严格保持类型长度为3，则只能存储2个有效字符加1个终止符，这无法满足你的存储需求，因此不推荐。

修改后的代码：

import h5py
from h5py import Datatype

# 类型长度设为4，预留1字节给NULL终止符
tid = h5py.h5t.FORTRAN_S1.copy()
tid.set_size(4)
tid.set_strpad(h5py.h5t.STR_NULLTERM)
tid.set_cset(h5py.h5t.CSET_ASCII)  # 显式指定ASCII字符集，匹配目标要求

dtype = h5py.Datatype(tid)

with h5py.File('example_fixed.h5', 'w') as f:
    # 截取前3个字符作为输入，避免数据过长导致自动截断
    dataset = f.create_dataset('string_dataset', shape=(), dtype=dtype, data=['1346'[:3]])

补充说明：

• FORTRAN_S1是单字节字符串类型，天然适配ASCII字符集；
• 写入数据时主动截断到目标有效长度，可避免h5py自动截断带来的不可预期结果；
• 第三方软件读取时会识别NULL终止符并停止读取，最终获取到的是3个有效字符，完全符合要求。

内容的提问来源于stack exchange，提问作者DavidG