>我正在编写一个实用程序,该实用程序采用.gz存档并检查其内容是否已存在于指定的文件夹中。如果他们不这样做,它将提取那里的存档。
我计划这样做的方法是逐个读取.gz存档中文件的文件名,并检查我的目录中是否已存在此类文件。但据我了解,这在 gzip 上是不可能的。
理想情况下,我正在寻找这样的东西:
archive = gzipfile.GzipFile(source)
for i in archive.getmembers():
if os.path.isfile(destination + sep + i.name) and overwrite:
...
这可能吗?
虽然.gz文件确实只是一个压缩文件,但原始文件名可以被截断,或者实际上压缩的.gz文件可以被重命名。 可以告诉gunzip
使用 -N
标志提供原始文件名,如果与 -l
(减去小写 L)一起使用,它将告诉您原始文件名而无需解压缩文件。
例如:
$ gzip sometext.txt
$ mv sometext.txt.gz othertext.gz
$ gunzip -Nl othertext.gz
compressed uncompressed ratio uncompressed_name
58 113 76.1% sometext.txt
你也可以在python中破解它。
from subprocess import check_output
size_name = check_output(['gunzip', '-Nlq','othertext.gz'])
size_name = size_name.strip().split("%",1)
print "original filename =",size_name[1].strip()
结果:
original filename = sometext.txt
我不相信python gzip包允许您访问原始文件名。
别人可能知道不同!
添加到接受的答案:
至少CPython的gzip
不会公开文件名元数据,因为它只是丢弃了它,正如您在检查源代码时所看到的那样。
但是,gzip 文件格式(在 RFC 1952 中指定)或至少其元数据很容易手动解析:
import struct
def getGzipName(path):
with open(path, 'rb') as file:
id1, id2, compression, flags, mtime, extraFlags, osId = struct.unpack('<BBBBLBB', file.read(10))
if id1 != 0x1F or id2 != 0x8B or compression != 0x08:
return None
# Extra Field (e.g. used by bgzip to store the length of the compressed block)
if flags & ( 1 << 2 ) != 0:
file.read(struct.unpack('<U', file.read(2))[0])
# File Name Field
if flags & ( 1 << 3 ) != 0:
name = b''
c = file.read(1)
while c != b' ':
name += c
c = file.read(1)
return name.decode()
return None
请注意,理论上 gzip 可以用作存档格式,因为它确实支持存储原始文件名,可用于存储路径,并且允许多个 gzip 流(都具有不同的文件名)相互连接。但是,即使是gzip
工具也不支持这种异国情调的 gzip 文件,即使没有--name
选项。它只是将第二个 gzip 流的数据连接到第一个 gzip 流的原始文件名。
.gz
文件不是存档,它只是被压缩。如果您有.tar.gz
文件,则可以使用 tarfile
。
import tarfile
archive = tarfile.open(source)
for i in archive.getmembers():
...