如何在NumPy数组中存储含\x00的字节数组？避免末尾空字节截断

NumPy默认会把字节数组当作C风格字符串处理，自动截断末尾的\x00字符，要保留完整字节序列可以用以下几种方法：

方法1：显式指定固定长度的字节类型 #

创建数组时通过dtype参数指定对应长度的字节类型，比如你的示例中b'abc\x00'是4个字节，就用'S4'：

import numpy as np
a = np.array([b'abc\x00'], dtype='S4')
print(a[0])  # 输出 b'abc\x00'

如果有多条长度不一的字节串，先计算最大长度再统一指定：

byte_strings = [b'abc\x00', b'defg\x00\x00']
max_len = max(len(s) for s in byte_strings)
a = np.array(byte_strings, dtype=f'S{max_len}')
print(a[0])  # b'abc\x00'
print(a[1])  # b'defg\x00\x00'

方法2：使用np.void类型 #

void类型会直接存储原始字节，不会解析为字符串，自然不会截断空字符。取出时需要转换回bytes：

a = np.array([b'abc\x00'], dtype=np.void)
print(a[0].tobytes())  # b'abc\x00'

方法3：使用np.bytes_类型并指定长度 #

和方法1逻辑一致，用np.bytes_指定长度来固定存储：

a = np.array([b'abc\x00'], dtype=np.bytes_(4))
print(a[0])  # b'abc\x00'

原理说明 #

NumPy默认处理字节串时，会默认按C风格字符串规则解析，遇到\x00就认为是字符串结束。显式指定存储长度或者使用非字符串类型，就能绕过这个解析逻辑，完整保留所有字节内容。

内容的提问来源于stack exchange，提问作者fprefect