聊 Plot3d 网格数据格式之前先说个场景你从课题组服务器某个尘封目录里拷出来一个.xyz文件是上一届师兄留下的网格。打开一看二进制没注释连头带尾整整几百 MB。用记事本看是乱码用网格软件导入又报错——这时候十有八九就是 Plot3d一个在 CFD 圈子里流传了几十年的老格式。这篇文章我就把这个格式彻底讲透。先解释它从哪来、为什么到现在还在用再拆文件结构给出一套能直接用的 Python 读取、转换代码最后把我这么多年踩过的坑集中整理一遍。不管是做结构化网格求解、写格式转换脚本、还是把祖传数据导入 ParaView 做可视化这篇文章都能当一份实践手册来用。1. 初识 Plot3d结构化网格格式的“老大哥”1.1 一个 80 年代就定型的格式凭什么活到现在Plot3d 这个名字来自美国 NASA Ames 研究中心在上世纪 80 年代开发的一套流场可视化程序。那个年代还没有 CGNSCFD General Notation System更别提 HDF5 这种自描述格式大家做计算流体力学的时候图形工作站上的工具链非常简陋。PLOT3D 程序最早就是为了配合 OVERFLOW、CFL3D 这类结构化网格求解器把三维网格坐标和流场解以最简单的方式存成文件方便后续做流场显示与分析。正因为“简单”这个格式顽强地活到了今天。它没有复杂的分层结构不需要额外的数据库或依赖库一个文件就只存网格坐标或者流场数据。很多老牌求解器默认输出就是 Plot3d像 CFL3D、OVERFLOW、FUN3D还有一批高校内部流传的祖传代码至今都在频繁产出这种文件。对我这种经常要处理历史数据的人来说不掌握 Plot3d 解析基本上等于没法干活。还有一个现实原因它的可移植性极强。文件内容就是裸的二进制浮点数跨平台拷来拷去只要弄清字节序和精度写入读取都很快。相比 XML 文本格式它体积小、解析快尤其在网格规模动辄几百万甚至上亿点的时候这种紧凑存储优势非常明显。1.2 Plot3d 在整个 CFD 工具链里的位置实际工程和科研里的 CFD 流程大致是三步网格生成、求解计算、后处理可视化。Plot3d 在这三个阶段都出现过。网格生成阶段像 Pointwise、Gridgen 这类商业工具可以直接导出多块 Plot3d 网格文件导出选项里通常写着“PLOT3D”格式。求解计算阶段很多结构化网格求解器接受 Plot3d 作为输入网格计算结束后又会把流场解写成.q文件或者.fun文件。后处理阶段Tecplot、FieldView 这类软件可以直接导入 Plot3d 数据但开源软件如 ParaView 对 Plot3d 的原生支持不够好通常得靠小脚本转成 VTK 格式才能读。所以你在实验里看到“这文件怎么打开”的时候本质上是工具链断了一环。我的做法是自己写一个灵活的 Plot3d 解析器把它转成通用格式之后爱用 ParaView 还是 Python 可视化都随心所欲。理解这个格式能让你在整条 CFD 工具链里自由穿梭。1.3 格式家族别以为一个“Plot3d”就一种文件新手最容易忽略的问题是 Plot3d 并不是单一文件格式而是一整个家族。从内容上分至少有四大类坐标文件XYZ 文件存网格点三维坐标常见扩展名.x、.xyz、.grd。流场文件Q 文件存收敛后的流场解常见扩展名.q、.q1、.q2、.restart。功能文件Function 文件存壁面数据或指定面的函数值常见扩展名.fun实际上是 Q 文件的变体可能只在某些面上定义。解的辅助文件包含残差历史、边界条件等视具体求解器而定。从结构上分又有单块和多块的差别。单块就是一个完整的结构网格只有一个维度三元组多块则意味着一个文件里包含多个不同尺寸的网格块块之间可能共享交界面也可能互相重叠。多块网格在处理复杂几何时几乎是标配比如带机翼的机身网格机翼周围单独一块机身附近单独一块外场再套一层。从存储方式上分还有二进制与 ASCII 文本两种。二进制体积小、读写快但存在字节序和精度问题ASCII 则可读性好容易调试但文件很容易上 GB。最麻烦的是同一个“Plot3d”标签下还有单精度/双精度、大端/小端、有符号/无符号等变种。把这些变种搞明白基本上是后面所有工作的前提。2. 深入文件结构如何把 XYZ 和 Q 文件“解剖”开2.1 坐标文件.xyz/.x/.grd的基本布局先以最常见的单块、单精度、无符号二进制坐标文件为例。打开文件的头几个字节是一个 4 字节的整数表示块数。对单块网格这个数通常是 1。紧跟着是三个 4 字节整数分别是ni、nj、nk代表三个方向的网格点数量。维度信息之后才是真正的坐标数据。存储顺序完全遵循 Fortran 的列优先规则第一维变化最快。也就是说如果要把x(1,1,1)到x(ni,1,1)读完再读x(1,2,1)这一列同理所有点的 x 坐标全部写完后再写 y 坐标和 z 坐标。注意是整块整块地写坐标分量不是每个点连续写 x、y、z这一点和很多新手第一反应不一样。文件体积可以事先估算。设总点数为N ni * nj * nk单精度下坐标文件大小约为头部4 字节块数 12 字节维度 16 字节坐标3 * N * 4字节x、y、z 三个分量每个单精度 4 字节所以单块 100 万点的网格坐标文件大约 12 MB。这个估算公式在排查文件异常时非常有用。2.2 多块网格维度各异的块怎么拼接多块文件的结构是单块的直接推广。文件开头是一个 4 字节整数代表块数nblocks这个数通常大于 1。接下来不是立马上坐标而是先连续写 nblocks 组维度每组都是ni, nj, nk三个整数。维度写完以后再按照块的顺序依次写入各块的坐标数据。这类文件的难点在于你不能把所有数据一口气 reshape 成一个四维数组因为每个块的尺寸不同。必须先解析出每块的维度再逐块读取对应数量的浮点数。块与块之间在空间上可能首尾相接也可能互相独立存储顺序上并不要求空间连续。我一般用两个字典来组织数据一个存每个块的维度另一个存该块的三个坐标分量。这样做后续做多块网格统计或者逐块输出时思路非常清晰。解析的时候尤其要注意索引顺序先确认块的排列顺序与维度的排列顺序一致否则后面输出的网格会整体错位。2.3 流场文件.q/.fun里的数据排列坐标文件只是骨架Q 文件才是真正承载流场信息的地方。一个典型的 Q 文件包含每个网格点的若干流场变量最常见的是 5 个密度rho、三个速度分量u/v/w、压力p。不过这里有个隐蔽问题有些求解器写的不是速度而是动量即rho*u、rho*v、rho*w还有些可压缩求解器会写成守恒变量密度、x/y/z 方向动量、总能量。变量顺序在不同代码里也可能不同读取前一定要清楚文件的来源代码和数据定义。Q 文件的数据排列规则是“每点连续点间顺序按 Fortran 列优先”。也就是说先循环 k再循环 j最后循环 i对每个(i,j,k)连续写入 5 个浮点。这意味着文件中浮点序列的前 5 个是第一个网格点的 5 个流场变量接着第 6 到第 10 个是第二个网格点的变量。也有一部分求解器会在 Q 文件真正的流场数据之前额外写几个头部参数比如自由来流马赫数fsmach、攻角alpha、雷诺数re、时间time。这几个参数不在统一标准里导致文件解析经常出现“前面多了几行”。我遇到这种情况的处理方式是先根据文件大小和网格点数反推总浮点数再对比预期变量数看看是不是多了头部参数。2.4 单精度、双精度和字节序三个隐藏地雷这是新手最容易栽跟头的地方也是历史祖传代码里最常见的坑。先说精度Plot3d 文件里的整数维度部分一般固定是 4 字节但浮点数据可能是 4 字节单精度也可能是 8 字节双精度。老一代求解器为了省内存通常输出单精度但高精度计算中双精度文件也越来越常见。用numpy读取时如果拿float64去读单精度文件会读出大量多余数据反过来读双精度文件则维度与数据对不上。再说字节序。上世纪的工作站大多是 big-endian大端现代 PC 是 little-endian小端。同一份文件在两种字节序下解释结果可能天差地远。最典型的症状是第一个整数明明是 1用小端读出来却变成 16777216。遇到这种情况先别怀疑文件坏了换个字节序再试。还有一个不常被提及的变种有符号坐标文件。这种文件在坐标数据末尾会追加一个整数一般是 0 或网格点数作为完整性标记。解析时如果直接读坐标浮点数会发现最后残留一个奇怪的小文件尾巴。我的建议是不管有没有符号标记解析后都用“读入的浮点数数量 头部整数数量”与文件大小做交叉验证能匹配上基本就说明解析正确。3. 手写读取器Python 解析 Plot3d 并转为 VTK3.1 别急着写读取器先做一次格式探测我见过太多人一上来就打开文件拿numpy.fromfile直接读结果全是乱码。拿到陌生 Plot3d 文件的第一件事永远是格式探测不是直接解析。格式探测解决三个核心问题字节序是哪一种、数据是单精度还是双精度、文件是多块还是单块。探测逻辑并不复杂。先读头 4 个字节分别用大端和小端解释成一个整数。这个数值如果是 1 到几十之间大概率是块数如果是几十万甚至上千万多半是小端解释错了去掉一个 0 看看。维度数据也可以用来验证。解析出几个候选维度后用文件大小反推坐标数据需要的字节数如果与实际文件大小吻合基本就能确定精度和端序组合。import struct from pathlib import Path def sniff_plot3d(path: Path): 初步探测 Plot3d 文件的端序和可能结构返回候选解释列表。 data path.read_bytes() size len(data) candidates [] for byteorder in (, ): try: first struct.unpack_from(byteorder i, data, 0)[0] except struct.error: continue if not (1 first 1000000): continue # 情况1第一个整数是块数 offset 4 ok True dims [] for b in range(first): try: ni, nj, nk struct.unpack_from(byteorder iii, data, offset) except struct.error: ok False break offset 12 if ni 0 or nj 0 or nk 0: ok False break dims.append((ni, nj, nk)) if ok: total_points sum(ni * nj * nk for ni, nj, nk in dims) for name, ctype in [(single, 4), (double, 8)]: expected_block offset total_points * 3 * ctype if abs(expected_block - size) 4: candidates.append((byteorder, name, multi-block)) expected_signed expected_block 4 if abs(expected_signed - size) 4: candidates.append((byteorder, name, multi-block-signed)) # 情况2第一个整数是单块维度 ni try: ni, nj, nk struct.unpack_from(byteorder iii, data, 0) except struct.error: continue if ni 0 or nj 0 or nk 0: continue total_points ni * nj * nk for name, ctype in [(single, 4), (double, 8)]: expected_block 16 total_points * 3 * ctype if abs(expected_block - size) 4: candidates.append((byteorder, name, single-block)) expected_signed expected_block 4 if abs(expected_signed - size) 4: candidates.append((byteorder, name, single-block-signed)) return candidates这段代码不是银弹但能过滤掉九成以上的错误猜测。它唯一解决不了的问题是那些带有额外头部参数的 Q 文件因为文件大小会被头部浮点数撑大。对 Q 文件我会建议用另一个思路先固定网格维度然后尝试在头部跳过一个或多个浮点数看解析出来的变量是否物理上合理。3.2 核心读取函数兼容单块/多块、单/双精度格式探测确定以后就可以写主读取函数了。这里我提供一个比较健壮的解析器支持单块与多块、单精度与双精度。它读取坐标文件时输出一个字典键是块编号值是该块的(dims, x, y, z)。需要注意numpy的fromfile并不直接支持“读一部分数据后按 Fortran 顺序 reshape”所以我的做法是一次性读入该块坐标分量所需的所有浮点数然后用切片拆分成 x、y、z最后再分别reshape。import numpy as np def read_plot3d_xyz(path, byteorder, precisionsingle, multiNone): 读取 Plot3d 坐标文件。 byteorder: 表示大端 表示小端 precision: single 或 double multi: None自动识别single-blockmulti-block if precision single: float_dtype np.dtype(byteorder f4) else: float_dtype np.dtype(byteorder f8) int_dtype np.dtype(byteorder i4) with open(path, rb) as f: if multi is None: # 自动识别先尝试多块 first np.fromfile(f, dtypeint_dtype, count1)[0] f.seek(0) if first 1: multi multi-block else: multi single-block if multi multi-block: nblocks np.fromfile(f, dtypeint_dtype, count1)[0] dims [] for _ in range(nblocks): ni, nj, nk np.fromfile(f, dtypeint_dtype, count3) dims.append((int(ni), int(nj), int(nk))) else: nblocks 1 ni, nj, nk np.fromfile(f, dtypeint_dtype, count3) dims [(int(ni), int(nj), int(nk))] blocks {} for idx, (ni, nj, nk) in enumerate(dims): npoints ni * nj * nk data np.fromfile(f, dtypefloat_dtype, countnpoints * 3) if data.size npoints * 3: raise ValueError(f块 {idx} 数据不足文件不完整) x data[0:npoints].reshape((ni, nj, nk), orderF) y data[npoints:2 * npoints].reshape((ni, nj, nk), orderF) z data[2 * npoints:3 * npoints].reshape((ni, nj, nk), orderF) blocks[idx] ((ni, nj, nk), x, y, z) return blocks强调一下orderF。如果不加这个参数reshape默认按 C 顺序读出来的坐标排列就是错的网格看起来会像被扭断了一样。很多脚本 get 不对最后查出来都是这一行的锅。3.3 读取 Q 文件把流场变量按点还原Q 文件与坐标文件的头部结构相同区别在于数据类型从坐标的“3 个分量”变成了流场“5 个变量”。读取思路一致先解析维度再按块读取所需的npoints * nvar个浮点数然后按点交错还原。这里我特意提到“可能带额外头部变量”的情况。解析的时候可以做一个候选尝试先假定没有头部参数解析后检查密度是否全部大于 0、压力是否在合理范围内。如果看起来不合理就试跳过一个浮点、两个浮点最多跳过 10 个通常能定位到正确偏移。def read_plot3d_q(path, dims, nvar5, byteorder, precisionsingle, header_floats0): if precision single: float_dtype np.dtype(byteorder f4) else: float_dtype np.dtype(byteorder f8) int_dtype np.dtype(byteorder i4) with open(path, rb) as f: if isinstance(dims, int): nblocks dims block_dims [] for _ in range(nblocks): ni, nj, nk np.fromfile(f, dtypeint_dtype, count3) block_dims.append((int(ni), int(nj), int(nk))) else: nblocks 1 block_dims [tuple(dims)] # 跳过额外头部浮点兼容部分求解器写入的来流参数 if header_floats: np.fromfile(f, dtypefloat_dtype, countheader_floats) result {} for idx, (ni, nj, nk) in enumerate(block_dims): npoints ni * nj * nk data np.fromfile(f, dtypefloat_dtype, countnpoints * nvar) if data.size npoints * nvar: raise ValueError(f块 {idx} 流场数据不足) # data 的排列: [点1的var1..var5, 点2的var1..var5, ...] vars_by_point data.reshape((npoints, nvar)) # 行是点列是变量 # 转成每个变量一个数组并按 (ni,nj,nk) Fortran 顺序还原 variables [] for v in range(nvar): var_array vars_by_point[:, v].reshape((ni, nj, nk), orderF) variables.append(var_array) result[idx] variables return result这个函数有一点需要注意很多老代码的文件变量名和实际物理量并不完全一致。比如第 1 个变量是rho第 2~4 个变量是u/v/w第 5 个是p但另一些代码把第 2~4 个变量写成动量。转换时如果要做高温气体或者多组分计算这些差异会直接影响后续处理。建议从文件附带的 README 或求解器文档里确认变量定义不要只看代码命名。3.4 顺手转成 VTK5 分钟接上 ParaView解析出坐标和流场后最常用的操作就是转成 VTK 里的结构化网格格式.vts这样就能直接在 ParaView 里加载做云图、切片、流线都没问题。PyVista 提供了非常方便的接口几行代码就能完成。import pyvista as pv def plot3d_block_to_vts(block_dims, x, y, z, variablesNone, filenamemesh.vts): block_dims: (ni, nj, nk) x, y, z: 形状为 (ni, nj, nk) 的坐标数组 variables: 可选的流场变量列表每个形状也是 (ni, nj, nk) grid pv.StructuredGrid(x, y, z) if variables is not None: names [rho, u, v, w, p][:len(variables)] for name, var in zip(names, variables): grid[name] var.ravel(orderF) grid.save(filename) return grid这里同样的坑ravel(orderF)必须和解析时的 reshape 保持一致否则变量赋值到网格点上就全错位了。转换完成之后用 ParaView 打开.vts文件就能进行等值面、流线、压力云图等操作了。遇到多块网格时可以把每个块都转成独立.vts文件然后全部拖进 ParaView再使用 Append Geometry 合成一个大数据集操作上并不麻烦。4. 踩坑实录Plot3d 读取的常见问题与排查4.1 读完坐标全是天文数字怎么回事这是最经典的问题。坐标值本该在 0~100 的量级读出来却动不动就是1e20这种数字或者整个网格形变成一团乱麻。原因基本是两个字节序搞错或者精度搞错。我自己的排查顺序是先看文件头几个字节的十六进制判断整数数值是否合理。比如01 00 00 00是小端的 100 00 00 01是大端的 1。如果文件头四种解释里只有一种是几十以内的数那基本可以锁定端序。再根据文件大小反推精度总点数不变时单精度文件体积 坐标点数 × 3 × 4双精度则 ×8对比实际大小立刻就能判断出来。错误读取时坐标并不是完全乱码有时会出现一些有规律的巨大数值看到这种模式就不要再盲目调参了先检查这两项。4.2 文件是多块但我只读了一块很多小脚本默认文件是单块只读了一个ni, nj, nk就开始读坐标。一旦文件是多块的坐标数据根本对不上后处理面板里就出现一堆残缺网格。判断多块的方法很简单文件第一个整数是不是大于 1。如果是后面必然跟了多组维度然后才是逐块坐标。还有一种更隐蔽的情况文件第一个整数是 1但实际是多块。这是某些老求解器的存储习惯——先写总块数但总块数位置写的是 1真正的多块标记被放在另一个文件头变量里。这种文件非常少见但一旦遇到我会直接用文件大小除以所有可能的维度组合找出哪一个组合能整除再按整除结果推断真实块数。这是个笨办法但保险。4.3 Q 文件总是多出十几字节或读不全坐标文件和 Q 文件最容易出现差异的地方是 Q 文件的头部额外参数。部分求解器在流场变量之前会把fsmach、alpha、re、time这些自由流参数作为单精度或双精度浮点数写进文件。这导致按标准格式读取时前几个变量的位置整体偏移读出来的密度和压力看起来像是噪声。我的处理办法是写完主读取函数后专门写一个“偏移扫描”逻辑依次尝试跳过 0~10 个浮点每次都重新解析 Q 文件然后检查关键物理量的合理性。比如密度必须大于 0压力不能大量出现负数速度的绝对值不能超过声速几十倍。哪一次偏移得到的物理量最合理就用哪个偏移。这个方法虽然看起来“暴力”但比手动翻 hexdump 高效得多。4.4 用 Tecplot 能打开但自己的脚本读不了有时候会陷入一种自我怀疑明明我的解析逻辑没错为什么同样的文件 Tecplot 能打开我的脚本就是读不出合理结果其实问题不在你的逻辑而在于 Tecplot 内置了非常宽容的解析器它会自动尝试大端/小端、单精度/双精度、有符号/无符号甚至会在文件头参数上做启发式猜解。我自己的经验是不要指望手写读法一上来就和商业软件能力对齐而是先明确交付目标。如果只是做可视化可以用 Tecplot 或者 Pointwise 先把文件导出成通用格式再用 Python 处理。如果必须写通用脚本那我建议用 3.1 节的探测代码先分析把识别结果作为参数传给读取函数这比“一次到位”的通用脚本可靠得多。4.5 大文件读取别硬顶试试按需加载最后一个坑来自数据规模。现在的高精度结构化网格动辄几千万点一个双精度坐标文件可能就超过 1 GB。如果用read_bytes()一次性把整个文件塞进内存内存占用会非常吓人有时候直接触发 OOM。我的做法是改用numpy.fromfile配合文件句柄分段读取或者按块读取后再释放不需要的变量。更彻底的办法是用numpy.memmap做内存映射这样数据不是一次性读入内存而是按页加载处理速度依然很快但内存占用大幅下降。具体的 memmap 用法不复杂但要注意它和普通 numpy 数组在写入时的一些差异建议先在小型测试文件上验证一遍再上大规模数据。就我自己的习惯来说拿到任何陌生 Plot3d 文件现在第一反应永远是先跑一遍格式探测脚本确认端序、精度、块数以后再进入正式解析。这个习惯帮我省了大量排查时间也让我在接手祖传 CFD 项目时少吃很多亏。希望这篇内容也能让你的 Plot3d 数据从“解不开的二进制”变成“随手能用的流场宝库”。