numpy数组cPickle dumpe的默认编码是latin-1吗？

Question

numpy数组cPickle dumpe的默认编码是latin-1吗？如果是这样，我可以在哪里得到确认。其余的似乎都是utf-8编码。 numpy.array失败]

In [45]: b = cPickle.dumps(('.'.join(('test',)), (numpy.array([1007261]), True, True), {}), protocol=0)                                                          

In [46]: b                                                                                                                                                       
Out[46]: b'(Vtest\np0\n(cnumpy.core.multiarray\n_reconstruct\np1\n(cnumpy\nndarray\np2\n(I0\ntp3\nc_codecs\nencode\np4\n(Vb\np5\nVlatin1\np6\ntp7\nRp8\ntp9\nRp10\n(I1\n(I1\ntp11\ncnumpy\ndtype\np12\n(Vi8\np13\nI0\nI1\ntp14\nRp15\n(I3\nV<\np16\nNNNI-1\nI-1\nI0\ntp17\nbI00\ng4\n(V\x9d^\x0f\\u0000\\u0000\\u0000\\u0000\\u0000\np18\ng6\ntp19\nRp20\ntp21\nbI01\nI01\ntp22\n(dp23\ntp24\n.'

In [47]: b = '(Vtest\np0\n(cnumpy.core.multiarray\n_reconstruct\np1\n(cnumpy\nndarray\np2\n(I0\ntp3\nc_codecs\nencode\np4\n(Vb\np5\nVlatin1\np6\ntp7\nRp8\ntp9\nR
    ...: p10\n(I1\n(I1\ntp11\ncnumpy\ndtype\np12\n(Vi8\np13\nI0\nI1\ntp14\nRp15\n(I3\nV<\np16\nNNNI-1\nI-1\nI0\ntp17\nbI00\ng4\n(V\x9d^\x0f\\u0000\\u0000\\u0000\
    ...: \u0000\\u0000\np18\ng6\ntp19\nRp20\ntp21\nbI01\nI01\ntp22\n(dp23\ntp24\n.'              
In [48]: cPickle.loads(b.encode('utf-8'), encoding='utf-8')                                                                                                      
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-48-58c17196f700> in <module>
----> 1 cPickle.loads(b.encode('utf-8'), encoding='utf-8')
ValueError: buffer size does not match array size
In [50]: cPickle.loads(b.encode('latin1'), encoding='latin1')                                                                                                    
Out[50]: ('test', (array([1007261]), True, True), {})

我正在从一个应用程序转储数据，并从另一个应用程序读取数据。因此，在使用cPickle加载字符串之前，必须将字符串转换为字节。我虽然cPickle.dump总是在py3中使用utf-8编码，这让我感到奇怪。有人可以给我一些启示。

Answer 1

不是泡菜，首先是您使用Latin-1。

当您从pickle.dumps的输出转到将Out [46]中的b更改为在下一条语句中分配给b的值，然后将类型从bytes更改为str。进行此更改的方式等效于b = b.decode('latin1')。

例如，原始b包含序列b'(V\x9d^\x0f'（在最后三分之一中）。让我们用它来看看发生了什么：

>>> b = b'(V\x9d^\x0f'
>>> b.decode('latin1')
'(V\x9d^\x0f'

这是您在语句47中分配给b的内容（接近第二行的末尾）。Visually，您删除了字符串文字的b前缀。有效地，您使用Latin-1将bytes对象解码为str。这是因为Latin-1具有字节值与Unicode代码点的1：1映射。

现在是str。但是pickle需要一个bytes对象，因此您需要再次编码。但是，如果您使用UTF-8进行编码，则会得到一个与原始对象不同的bytes对象：

>>> b.decode('latin1').encode('utf8')
b'(V\xc2\x9d^\x0f'

您现在有了\x9d，而不是\xc2\x9d。

如果您使用Latin-1进行编码，则会获得与以前相同的效果：

>>> b.decode('latin1').encode('latin1')
b'(V\x9d^\x0f'

但是：我不太明白为什么这种往返转换是完全必要的。确实不需要将pickle.dumps的输出解码为str。您可以一直将值保留在字节字符串中。请使用正确的类型：bytes用于二进制数据（如泡菜转储），str用于文本（与泡菜转储不同）。