python - 如何用python解压内存中的.tar.bz2

Question

如何用python解压内存中的*.bz2文件？ bz2 文件来自 csv 文件。

我使用下面的代码将其解压到内存中，它可以工作，但是它带来了一些脏数据，例如csv文件的文件名和作者姓名，还有其他更好的方法来处理它吗？

#!/usr/bin/python
# -*- coding: utf-8 -*-
import StringIO
import bz2


with open("/app/tmp/res_test.tar.bz2", "rb") as f:
    content = f.read()

    compressedFile = StringIO.StringIO(content)
    decompressedFile = bz2.decompress(compressedFile.buf)
    compressedFile.seek(0)

    with open("/app/tmp/decompress_test", 'w') as outfile:
        outfile.write(decompressedFile)

我找到了this question ，它是gzip格式的，但是我的数据是bz2格式的，我尝试按照其中的说明进行操作，但似乎bz2无法以这种方式处理它。

编辑:

无论@metatoaster的回答还是上面的代码，它们都会将一些脏数据带入最终的解压文件中。 例如:我的原始数据附在下面，采用 csv 格式，名称为 res_test.csv:

然后我 cd 进入文件所在的目录并使用 tar -cjf res_test.tar.bz2 res_test.csv 对其进行压缩并获取压缩文件res_test.tar.bz2，该文件可以模拟我从互联网获取的bz2数据，我希望将其解压到内存中而不先将其缓存到磁盘中，但我得到的是下面的数据并且包含太多数据脏数据:

数据还在，但淹没在噪音中，是否可以将其解压为与原始数据一样的纯数据，而不是解压并从太多噪音中提取真实数据？

Answer 1

对于通用 bz2 解压缩，BZ2File可以使用类。

from bz2 import BZ2File
with BZ2File("/app/tmp/res_test.tar.bz2") as f:
    content = f.read()

content 应包含文件的解压缩内容。

但是，鉴于这是一个 tar 文件(通常作为文件目录提取到磁盘的存档文件)，tarfile可以使用模块代替，并且它具有用于处理 bz2 的扩展模式标志。假设目标文件包含res_test.csv，则可以使用以下内容

tf = tarfile.open('/app/tmp/res_test.tar.bz2', 'r:bz2')
csvfile = tf.extractfile('res_test.csv').read()

r:bz2 标志以一种可以向后查找的方式打开 tar 存档，这一点很重要，因为替代方法 r|bz2 使其不切实际从返回的成员中调用提取文件 extractfile 。第二行只是调用 extractfile 以字符串形式从存档文件中返回 'res_test.csv' 的内容。

但是，通常建议使用透明打开模式 ('r:*')，因此如果使用 gzip 来压缩输入 tar 文件，则不会遇到失败。

当然，tarfile 模块有一个较低级别的 open 方法，可以在任意流对象上使用。如果文件已使用 BZ2File 打开，则也可以使用

with BZ2File("/app/tmp/res_test.tar.bz2") as f:
    tf = tarfile.open(fileobj=f, mode='r:')
    csvfile = tf.extractfile('res_test.csv').read()