如何用h5py读取C语言创建的HDF5文件中的变长字符串数组

我之前也碰到过一模一样的问题——用HDF5官方C示例创建的变长字符串属性，C程序读写完全正常，但直接用h5py读取却得到空对象。这本质是C和Python对HDF5变长字符串的默认处理逻辑有差异，下面是我整理的解决步骤：

第一步：先确认HDF5文件的属性信息 #

别着急写代码，先用HDF5命令行工具确认文件里的属性确实存在且类型正确。打开终端运行：

h5ls -v h5ex_t_vlstringatt.h5

或者直接查看完整文件内容：

h5dump h5ex_t_vlstringatt.h5

你会看到类似这样的输出（对应官方示例里的Author属性）：

ATTRIBUTE "Author" {
DATATYPE H5T_VLEN { H5T_STRING {
STRSIZE H5T_VARIABLE;
STRPAD H5T_STR_NULLTERM;
CSET H5T_CSET_ASCII;
CTYPE H5T_C_S1;
} }
DATASPACE SCALAR
DATA {
(0): "M. Y. Name"
}
}
这能确认属性存在，且是C风格的变长ASCII字符串类型。

第二步：用h5py显式指定变长字符串类型读取 #

h5py默认的字符串解析逻辑不会自动识别C创建的这种变长字符串类型，需要我们显式指定vlen=str的特殊类型。修改你的Python代码如下：

import h5py
from h5py import special_dtype

# 打开HDF5文件
with h5py.File('h5ex_t_vlstringatt.h5', 'r') as f:
    # 定位到示例中的数据集（官方示例里路径是/dset）
    dset = f['/dset']
    
    # 先打印属性列表，避免找错属性名
    print("可用属性：", list(dset.attrs.keys()))
    
    # 定义变长字符串的专属dtype
    vl_str_dtype = special_dtype(vlen=str)
    
    # 读取属性时指定类型
    author_attr = dset.attrs.get('Author', dtype=vl_str_dtype)
    
    print("读取到的属性值：", author_attr)

运行这段代码，就能正确获取到C程序写入的变长字符串内容了。

为什么会出现空对象？ #

核心原因是：C语言创建的变长字符串属性用的是HDF5的H5T_VLEN(H5T_C_S1)类型，而h5py默认会尝试按固定长度或默认UTF-8字符串解析，类型不匹配时就会返回空对象。显式指定vlen=str的dtype后，h5py就能正确识别这种变长字符串类型了。

如果还是有问题，可以检查字符编码——官方示例用的是ASCII，和h5py默认的UTF-8兼容；如果你的C程序用了其他编码，可能需要在读取时额外指定编码参数。

内容的提问来源于stack exchange，提问作者user2275987