使用numpy.fromfile读取固定宽度二进制文件时如何直接加载为字符串类型

你不需要逐行读取转换，只需要调整自定义dtype里字符串字段的类型定义，就能让np.fromfile直接把定长8字节字段识别为字符串类型，且完全不增加读取开销、不会出现字段偏移错误：

• 把原来字符串字段的np.byte, 8替换为'S8'即可，S是numpy定长字节串的类型标识，后面跟的数字代表字段占用的字节长度，和你文件里的8字节定长字符串存储完全匹配：

import numpy as np
# 定义匹配存储结构的dtype
myDatatype = np.dtype([
    ('mynumber', np.int32),
    ('mystring', 'S8')
])
# 执行读取
data = np.fromfile(f, myDatatype)

读取完成后，data['mystring']会直接返回定长字节串数组，而不是原来的int8数值数组。如果需要转为Python常用的Unicode字符串，可以批量做一次解码，操作是向量化的，速度远快于逐行处理：

# 按你的文本实际编码替换encoding参数，常用编码为ascii/utf-8/gbk
data['mystring'] = np.char.decode(data['mystring'], encoding='utf-8')

注意：不要直接使用'U8'（定长Unicode类型）定义字段，U类型每个字符占4字节，U8总长度为32字节，会和你文件里8字节的存储长度不匹配，导致所有字段读取错位。

你可以通过myDatatype.itemsize验证结构对齐性：上述定义的dtype单条记录长度为4+8=12字节，和你文件里重复单元的长度完全一致，不会出现读取错位问题。

内容的提问来源于stack exchange，提问作者Stein