如何在Python3脚本中解析Linux-perf生成的性能分析数据？

你的代码之所以持续触发UTF-8解码警告，核心问题是错误地将perf生成的二进制.data文件当成了十六进制文本处理。perf的.data是二进制格式，包含采样记录、内核元数据等非UTF-8的二进制结构，直接按字节解码自然会失败。

下面是两种高效的解决方式：

方法一：用Python专用库解析（推荐） #

使用perf库直接解析perf的二进制数据，它会自动处理底层格式，你可以直接提取结构化数据并转为UTF-8文本：

1. 安装库：

pip install perf

2. 示例代码：

import perf

# 读取perf数据文件
data = perf.data(path='stage.data')

# 遍历所有采样记录
for event in data:
    # 提取需要的字段，比如进程名、符号名等，这些都是UTF-8文本
    comm = event.comm.decode('utf-8')
    symbol = event.symbol.decode('utf-8') if event.symbol else 'unknown'
    print(f"进程名: {comm}, 符号: {symbol}")

方法二：先转成文本格式再解析 #

如果不想用第三方库，可以先用perf工具本身将二进制数据转为可读文本，再用Python处理：

1. 执行命令将.data转为文本：

perf script -i stage.data > stage.txt

2. Python读取文本文件（直接按UTF-8处理）：

with open('stage.txt', 'r', encoding='utf-8') as f:
    for line in f:
        # 处理每行文本，比如提取进程、采样信息等
        print(line.strip())

关于你原有代码的说明 #

你的hex_to_utf8函数仅适用于纯十六进制编码的文本数据，但perf的.data并非此类格式，所以完全不适用。除非你明确知道数据是十六进制编码的文本，否则不要用这种方式处理perf的二进制输出。

内容的提问来源于stack exchange，提问作者Pawan Nirpal