python 中 pickle 读档问题的解决方法

前言

要读取 .pkl 档，结果遇到各种状况，在网路上查了许多资料後终於解决了！
在这边简单做个过程纪录~
（如果想直接跳结果的话，可以 ctrl+F，搜寻：gzip.open() XD）

2021.01.21 更新 pickle.loads(f.read()) 方法

过程

一开始其实是先用了 pandas 中的 pd.read_pickle 来读取
结果报错了，也没查到什麽有效的解决方法

pd.read_pickle(filepath)

UnpicklingError: invalid load key, '\x1f'.

既然条条大路通罗马！那就试试别的方法吧~
所以後面就改成尝试用 pickle 中的 pickle.load 来读取，程序码如下：

print(os.path.isfile(filepath))
with open(filepath) as f:
    data = pickle.load(f)

结果这边第一个问题就出现了

UnicodeDecodeError: 'cp950' codec can't decode byte 0x8b in position 1: illegal multibyte sequence

看来是编码上的问题呀！
所以後来在 open 里面设定 encoding 的方式 [1]
这边尝试了各种编码方式，包括 UTF-8、cp950、big5hkscs、ISO-8859-1
在网路上查到有人也是在解决读档问题 [2]，试了 gbk和gb1830，不过他读取的是 .txt 档，但也顺便参考了他的方法，增加了这一条 errors='ignore'

with open(filepath, encoding='UTF-8', errors='ignore') as f:
    data = pickle.load(f)

不过用不同 encoding 报的错大同小异

UnicodeDecodeError: 'utf-8' codec can't decode byte 0x8b in position 1: invalid start byte

增加 errors='ignore' 後，又跑出另一个错

TypeError: a bytes-like object is required, not 'str'

虽然没有去深究这个错和增加上面那条的关系，不过这边到是给了个 bytes-like object 的线索！[3]
所以在读取时多设定了 rb
意思是：read binary（r、rb、w、wb之间的差异可以参考 [4]）
而直接加上 rb 後又依序报这两个错，所以後来就只留下 rb

with open(filepath, 'rb', encoding='UTF-8', errors='ignore') as f:
    data = pickle.load(f)

ValueError: binary mode doesn't take an encoding argument
ValueError: binary mode doesn't take an errors argument

结果..... 怎麽回到了最一开始用 pd.read_pickle 时就出现的错误啊 @@

with open(filepath, 'rb') as f:
    data = pickle.load(f)
    
UnpicklingError: invalid load key, '\x1f'.

所以绕了一大圈，结果还是要回头解决原本的问题（人森啊....该面对的还是得面对 XD）

後来看到有人在解 pickle 压缩档（.gpkl）的时候，用了 gzip 的方法 [5]
开启档案时，改成用 gzip.open()

import gzip

with gzip.open(filepath, 'rb') as f:
    data = pickle.load(f)

结果成功了！！！

2021.01.21 更新
後来用上述方法要读取 .pickle 档案的时候，报了这个错：

OSError: Not a gzipped file (b'\x80\x04')

试了[6]的方法，当中的「解决方法2」在我的情况是可行的：pickle.loads(f.read())

with open(filepath, 'rb') as f:  
    data = pickle.loads(f.read())

後记

过程中感觉其实还有满多有趣的地方可以探讨，不过就先记录下来，留待之後有机会的时候再去研究~

如果有任何问题欢迎留言讨论，文中错误的地方还请不吝指正，谢谢！

References

[1] 解决 Python 中 UnicodeDecodeError: 'cp950' codec can't decode
[2] python读取中编码错误（illegal multibyte sequence）
[3] Pickle: TypeError: a bytes-like object is required, not 'str' [duplicate]
[4] python打开文件时'w'与'wb'的区别,'r'与'rb'的区别
[5] What causes the error “_pickle.UnpicklingError: invalid load key, ' '.”?
[6] TypeError: file must have 'read' and 'readline' attributes或者UnicodeDecodeError: