python - 如何读取包含在 gz 文件中的文件名

Question

我尝试读取一个 gz 文件:

with open(os.path.join(storage_path,file), "rb") as gzipfile:
        with gzip.GzipFile(fileobj=gzipfile) as datafile:
            data = datafile.read()

它可以工作，但我需要包含在我的 gz 文件中的每个文件的文件名和大小。 此代码将包含文件的内容打印到存档中。

如何读取包含在这个 gz 文件中的文件名？

Answer 1

Python gzip 模块不提供对该信息的访问。

源代码跳过它而不存储它:

if flag & FNAME:
    # Read and discard a null-terminated string containing the filename
    while True:
        s = self.fileobj.read(1)
        if not s or s=='\000':
            break

文件名部分是可选的，不保证存在(命令行 gzip -c 解压缩选项将使用原始文件名 sans .gz 在这种情况下，我认为).未压缩的文件大小不存储在 header 中；您可以在最后四个字节中找到它。

要自己从文件头读取文件名，您需要重新创建文件头读取代码，并保留文件名字节。以下函数返回，加上解压缩后的大小:

import struct
from gzip import FEXTRA, FNAME

def read_gzip_info(gzipfile):
    gf = gzipfile.fileobj
    pos = gf.tell()

    # Read archive size
    gf.seek(-4, 2)
    size = struct.unpack('<I', gf.read())[0]

    gf.seek(0)
    magic = gf.read(2)
    if magic != '\037\213':
        raise IOError('Not a gzipped file')

    method, flag, mtime = struct.unpack("<BBIxx", gf.read(8))

    if not flag & FNAME:
        # Not stored in the header, use the filename sans .gz
        gf.seek(pos)
        fname = gzipfile.name
        if fname.endswith('.gz'):
            fname = fname[:-3]
        return fname, size

    if flag & FEXTRA:
        # Read & discard the extra field, if present
        gf.read(struct.unpack("<H", gf.read(2)))

    # Read a null-terminated string containing the filename
    fname = []
    while True:
        s = gf.read(1)
        if not s or s=='\000':
            break
        fname.append(s)

    gf.seek(pos)
    return ''.join(fname), size

将上述函数与已创建的 gzip.GzipFile 对象一起使用:

filename, size = read_gzip_info(gzipfileobj)