使用Python对压缩文件的处理

 

在日常工作中，除了会涉及到使用Python处理文本文件，有时候还会涉及对压缩文件的处理。

 

通常会涉及到的压缩文件格式有：

• rar：Windows 环境下用的比较多的压缩，比较著名的GUI工具是winrar
• tar: Linux系统下的打包工具，只打包，不压缩
• gz：即gzip，通常只能压缩一个文件。与tar结合起来就可以实现先打包，再压缩。
• tgz：即gz。先用tar打包，然后再用gz压缩得到的文件
• zip：不同于gzip，虽然使用相似的算法，可以打包压缩多个文件，不过分别压缩文件，压缩率低于tar
• 7z：7zip压缩软件支持的格式，压缩效率较高。

当然除了使用Python外，你还可以选择使用压缩解压缩软件或命令手动进行处理。

zip文件

zipfile是Python里用来做zip格式编码的压缩和解压缩的module，zipfile里有两个非常重要的class：ZipFile和ZipInfo。ZipFile是主要的类，用来创建和读取zip文件，而ZipInfo是存储的zip文件的每个文件的信息。 示例代码：

•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  

import osimport zipfile

# 压缩def make_zip(source_dir, output_filename):    zipf = zipfile.ZipFile(output_filename, 'w')    pre_len = len(os.path.dirname(source_dir))    for parent, dirnames, filenames in os.walk(source_dir):        for filename in filenames:            print(filename)            pathfile = os.path.join(parent, filename)            arcname = pathfile[pre_len:].strip(os.path.sep)  # 相对路径            zipf.write(pathfile, arcname)        print()    zipf.close()

# 解压缩def un_zip(file_name):    """unzip zip file"""    zip_file = zipfile.ZipFile(file_name)    if os.path.isdir(file_name + "_files"):        pass    else:        os.mkdir(file_name + "_files")    for names in zip_file.namelist():        zip_file.extract(names, file_name + "_files/")    zip_file.close()

if __name__ == '__main__':    make_zip(r"E:python_samplelibstest_tar_fileslibs", "test.zip")    un_zip("test.zip")

tar.gz文件

tarfile 模块可以用来读写 tar 归档，包括使用 gzip, bz2 和 lzma 压缩的归档。在使用tarfile是必须了解模式： mode 必须是 ‘filemode[:compression]’ 形式的字符串，其默认值为 ‘r’。以下是模式组合的完整列表:

模式	动作
‘r’ or ‘r:*’	打开和读取使用透明压缩（推荐）。
‘r:’	打开和读取不使用压缩。
‘r:gz’	打开和读取使用gzip 压缩。
‘r:bz2’	打开和读取使用bzip2 压缩。
‘r:xz’	打开和读取使用lzma 压缩。
‘x’ 或 ‘x:’	创建tarfile不进行压缩。如果文件已经存在，则抛出 FileExistsError 异常。
‘x:gz’	使用gzip压缩创建tarfile。如果文件已经存在，则抛出 FileExistsError 异常。
‘x:bz2’	使用bzip2 压缩创建tarfile。如果文件已经存在，则抛出 FileExistsError 异常。
‘x:xz’	使用lzma 压缩创建tarfile。如果文件已经存在，则抛出 FileExistsError 异常。
‘a’ or ‘a:’	打开以便在没有压缩的情况下追加。如果文件不存在，则创建该文件。
‘w’ or ‘w:’	打开用于未压缩的写入。
‘w:gz’	打开用于 gzip 压缩的写入。
‘w:bz2’	打开用于 bzip2 压缩的写入。
‘w:xz’	打开用于 lzma 压缩的写入。

针对特殊的目的，还存在第二种 mode 格式: ‘filemode|[compression]’。tarfile.open() 将返回一个将其数据作为数据块流来处理的 TarFile 对象：

模式	动作
‘r|*’	打开 tar 块的 流 以进行透明压缩读取。
‘r|’	打开一个未压缩的 tar 块的 stream 用于读取。
‘r|gz’	打开一个 gzip 压缩的 stream 用于读取。
‘r|bz2’	打开一个 bzip2 压缩的 stream 用于读取。
‘r|xz’	打开一个 lzma 压缩 stream 用于读取。
‘w|’	打开一个未压缩的 stream 用于写入。
‘w|gz’	打开一个 gzip 压缩的 stream 用于写入。
‘w|bz2’	打开一个 bzip2 压缩的 stream 用于写入。
‘w|xz’	打开一个 lzma 压缩的 stream 用于写入。

代码示例：

•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  

import osimport tarfileimport gzip

# 一次性打包整个根目录。空子目录会被打包。# 如果只打包不压缩，将"w:gz"参数改为"w:"或"w"即可。def make_targz(output_filename, source_dir):    with tarfile.open(output_filename, "w:gz") as tar:        tar.add(source_dir, arcname=os.path.basename(source_dir))

# 逐个添加文件打包，未打包空子目录。可过滤文件。# 如果只打包不压缩，将"w:gz"参数改为"w:"或"w"即可。def make_targz_one_by_one(output_filename, source_dir):    tar = tarfile.open(output_filename, "w:gz")    for root, dir, files in os.walk(source_dir):        for file in files:            pathfile = os.path.join(root, file)            tar.add(pathfile)    tar.close()

def un_gz(file_name):    """ungz zip file"""    f_name = file_name.replace(".gz", "")    # 获取文件的名称，去掉    g_file = gzip.GzipFile(file_name)    # 创建gzip对象    open(f_name, "wb+").write(g_file.read())    # gzip对象用read()打开后，写入open()建立的文件里。    g_file.close()  # 关闭gzip对象

def un_tar(file_name):    # untar zip file    tar = tarfile.open(file_name)    names = tar.getnames()    if os.path.isdir(file_name + "_files"):        pass    else:        os.mkdir(file_name + "_files")    # 由于解压后是许多文件，预先建立同名文件夹    for name in names:        tar.extract(name, file_name + "_files/")    tar.close()

if __name__ == '__main__':    make_targz('test.tar.gz', "E:python_samplelibs")    make_targz_one_by_one('test01.tgz', "E:python_samplelibs")    un_gz("test.tar.gz")    un_tar("test.tar")

rar文件

我们可以使用rarfile来解压.rar的文件，但是不支持用rarfile来压缩rar文件。rarfile以下unrar组件，但是使用pip install unrar安装后发现会报如下错误： Couldn’t find path to unrar library… 这是因为 Python下的 unrar 还依赖了RAR官方的库。

Windows的安装

• 到RARLab官方下载库文件，https://www.rarlab.com/rar/UnRARDLL.exe，然后安装。
• 安装是最好选择默认路径，一般在 C:Program Files (x86)UnrarDLL 目录下。
• 添加环境变量，在系统变量中新建变量名UNRAR_LIB_PATH，如果是64位系统，就输入 C:Program Files (x86)UnrarDLLx64UnRAR64.dll，如果是32位系统就是 C:Program Files (x86)UnrarDLLUnRAR.dll。
• 确定保存环境变量后，在进行 pip install unrar 安装，这时代码再运行就不会报错了。

Linux的安装

• 下载rar源文件：https://www.rarlab.com/rar/rarlinux-6.0.0.tar.gz
• 解压安装包，进入安装包目录，编译安装，生成so 文件
• 配置环境变量，完成后，在进行 pip install unrar 安装

•  
•  
•  
•  
•  
•  
•  
•  
•  

# cd /usr/local/src/# wget https://www.rarlab.com/rar/unrarsrc-6.0.3.tar.gz# tar zxvf unrarsrc-6.0.3.tar.gz# cd unrar# make lib# make install-lib  //生成libunrar.so 文件# vim /etc/profileexport UNRAR_LIB_PATH=/usr/lib/libunrar.so# source /etc/profile

代码示例：

•  
•  
•  
•  
•  
•  
•  

import rarfile

def unrar(rar_file, dir_name):    # rarfile需要unrar支持, linux下pip install unrar, windows下在winrar文件夹找到unrar,加到path里    rarobj = rarfile.RarFile(rar_file.decode('utf-8'))    rarobj.extractall(dir_name.decode('utf-8'))

7z文件

要压缩和解压缩.7z文件需要用到py7zr组件。代码示例：

•  
•  
•  
•  
•  
•  
•  
•  
•  

import py7zr
# 压缩with py7zr.SevenZipFile("Archive.7z", 'r') as archive:    archive.extractall(path="/tmp")
# 解压缩with py7zr.SevenZipFile("Archive.7z", 'w') as archive:    archive.writeall("target/")