在 HDF5 文件中搜索特定的组名或数据集名，以获取其路径

Question

我有一个 HDF5 文件，其中包含多个组和子组中的数据集。 我想通过名称获取特定组或数据集的路径。

HDF5 文档中显示了一个很好的方法：https://docs.h5py.org/en/stable/high/group.html

with h5py.File('File.hdf5','r') as hf:    
    def find_Name (hf):
        if 'Name' in hf:
            return hf
    
    hf.visit(find_Name)
    
>>>'Group/subGroup/Name'

解决方案的问题是，我无法在每次调用 hf.visit(find_Name) 时更改数据集/组的“名称”

如何在每次调用时定义一个新的字符串，该函数正在搜索？

以下操作无效：

with h5py.File('File.hdf5','r') as hf: 
    def find_Name (hf,Name):
        if Name in hf:
            return hf
    
    Name = 'NameOfDataset'
    hf.visit(find_Name(hf,Name))

感谢您的支持！

Answer 1

您的第二次尝试失败，因为 h5py 访问者函数（.visit() 和 .visititems()）不支持其他关键字。 （换句话说，你不能将Name 添加到函数的参数列表中。）但是，创建一个函数来模仿它们的递归行为并不复杂——你只需要递归调用相同的函数来下降到任何组你发现。 （PyTables 具有支持此功能的功能......但如果您有兴趣，我会将其保存为不同的答案。）看看这段代码：

with h5py.File('File.hdf5','r') as hf: 
    
    def check_Name(Name,grp,prefix=''):
        for obj_name, obj in grp.items():
            path = f'{prefix}/{obj_name}'
            if Name == obj_name:
                return path
            elif isinstance(obj, h5py.Group): # test for group (go down)
                gpath = check_Name(Name, obj, path)
                if gpath:
                    return gpath

    Name = 'Name'
    path = check_Name(Name,hf)
    if path:
        print(f'{Name} Found: {path}')
    else:    
        print(f'{Name} not Found')
       
    Name = 'NameOfDataset'
    path = check_Name(Name,hf)
    if path:
        print(f'{Name} Found: {path}')
    else:    
        print(f'{Name} not Found')

您的架构的输出是：

Name Found: /Group/subGroup/Name
NameOfDataset not Found

注意：这只会返回输入 Name 的第一次出现。如果您需要查找多个匹配项，则需要转换为生成器函数。 （仅供参考，使用.visit() 具有相同的限制——它在返回时退出。）

Answer 2

如果您没有绑定到特定的库，您可能需要检查HDFql，它可以大大减轻您处理 HDF5 的低级细节。在使用 HDFql 的 Python 中，要获取名为 dset 的数据集的绝对路径，该数据集存储在名为 test.h5 的 HDF5 文件中的任何位置（即组/子组）中，可以如下解决：

import HDFql

HDFql.execute("SHOW DATASET test.h5 LIKE **/dset")

HDFql.cursor_first()

print("The dataset 'dset' is located at: %s" % HDFql.cursor_get_char())

如果您想获取名为的组的绝对路径，例如 grp，请改为执行以下操作：

HDFql.execute("SHOW GROUP test.h5 LIKE **/grp")

最后，如果您不关心它是组还是数据集，只需这样做：

HDFql.execute("SHOW test.h5 LIKE **/obj")