如何在无R解释器环境下用Python读取并反序列化R生成的序列化对象

问题背景 #

需要将R生成的序列化对象导入Python处理，当前使用的远程系统未安装R解释器，无法通过导出csv中转的常规方案实现。此前尝试pickle、json处理均未成功，需要无R依赖的解析方案。

原始R序列化生成逻辑 #

生成序列化文件的R代码如下：

x <- serialize(list(1,2,3), NULL, ascii=TRUE)
xzip <- memCompress(x,'bzip2')
to.write = file("./rbinfile.dat", "wb")
writeBin(xzip, to.write)
close(to.write)

现有Python代码问题 #

已实现的Python处理代码中，最后一步binascii.hexlify(x)为错误操作，会将解压得到的R序列化二进制流转为十六进制字符串，破坏原始数据结构，删除该步骤即可得到待解析的原始R序列化数据。

实现反序列化的方案 #

使用纯Python实现的R序列化解析库rdata即可完成解析，该库无需依赖系统R解释器，自主实现R数据格式解析逻辑。

1. 安装依赖
   执行pip命令安装rdata：
   pip install rdata
2. 完整处理代码

import bz2
import rdata

# 读取压缩文件并解压
with open("./rbinfile.dat","rb") as fObj:
    xzip = fObj.read()
x = bz2.decompress(xzip)

# 解析R序列化数据
parsed_data = rdata.parser.parse_data(x)
result = rdata.conversion.convert(parsed_data)

# 输出结果为[1, 2, 3]
print(result)

内容的提问来源于stack exchange，提问作者bruinon