Jupyter环境下Python Pickle加载新旧文件时try-except语句抛出EOFError问题排查与解决

你遇到的EOFError本质是文件指针位置导致的，咱们来拆解一下原因，再看看更优雅的解决方式：

为什么最初的try-except会报错？ #

在你最初的代码里，你是在同一个with块里尝试两次pickle.load()：

with open(filename, "rb") as infile:
    try:
        jes[:,:,w_index], emin, emax, smin, smax, num_deltas[:,:,w_index] = pickle.load(infile)
    except:
        jes[:,:,w_index], emin, emax, smin, smax = pickle.load(infile)

当处理旧版5变量文件时，第一次pickle.load(infile)其实已经把文件里的所有数据都读取出来了（文件里序列化的是一个包含5个元素的元组），只是因为你试图把它解包成6个变量，才抛出了ValueError。这时候文件指针已经移动到了文件末尾，所以当except块里再次调用pickle.load(infile)时，已经没有任何数据可以读取了，自然就触发了EOFError。

你的解决方案为什么有效？ #

后来你把with语句分别放进try和except块里：

try:
    with open(jes_comb_path+"/"+file, "rb") as infile:
        jes_temp, emin, emax, smin, smax, num_deltas[:,:,w_index] = pickle.load(infile)
except:
    with open(jes_comb_path+"/"+file, "rb") as infile:
        jes_temp, emin, emax, smin, smax = pickle.load(infile)

每次进入try或except时，都会重新打开文件，这意味着文件指针会重置到文件开头。所以当try失败后，except块里重新打开的文件可以从头读取完整的5元素元组，自然不会报错。

更优雅的优化方案 #

其实不用重复打开两次文件，我们可以先把整个序列化的对象读取出来，再根据元素数量处理，这样效率更高，代码也更清晰：

jes = NP.zeros((ne,ns,nw))
num_deltas = NP.zeros((ne,ns,nw))
w_index = 0

for file in jes_file_list:
    file_path = f"{jes_comb_path}/{file}"  # 用f-string更简洁
    with open(file_path, "rb") as infile:
        data_tuple = pickle.load(infile)
    
    # 根据元组长度判断是新版还是旧版文件
    if len(data_tuple) == 6:
        jes_temp, emin, emax, smin, smax, num_deltas[:,:,w_index] = data_tuple
    else:
        jes_temp, emin, emax, smin, smax = data_tuple
    
    jes[:,:,w_index] = jes_temp
    w_index += 1

另外建议不要使用裸except，最好捕获特定的异常（比如ValueError），避免意外捕获其他无关错误（比如文件不存在、权限问题等），让代码的错误处理更精准：

try:
    with open(file_path, "rb") as infile:
        jes_temp, emin, emax, smin, smax, num_deltas[:,:,w_index] = pickle.load(infile)
except ValueError:
    with open(file_path, "rb") as infile:
        jes_temp, emin, emax, smin, smax = pickle.load(infile)

内容的提问来源于stack exchange，提问作者BGreen