python - 在 Python 中解压缩 .bz2 文件

Question

所以，这是一个看似简单的问题，但我显然非常非常无聊。我有一个小脚本可以从网页下载所有 .bz2 文件，但由于某种原因，该文件的解压缩让我非常头疼。

我是一个 Python 新手，所以答案可能很明显，请帮助我。

在这段脚本中，我已经有了文件，我只是想将它读出到一个变量中，然后解压它？那正确吗？我已经尝试了各种方法来做到这一点，我通常会在这段代码的最后一行收到“ValueError:找不到流的结尾”错误。我试图打开 zip 文件并以无数种不同的方式将其写入字符串。这是最新的。

openZip = open(zipFile, "r")
s = ''
while True:
    newLine = openZip.readline()
    if(len(newLine)==0):
       break
    s+=newLine
    print s                   
    uncompressedData = bz2.decompress(s)

嗨，Alex，我应该列出我尝试过的所有其他方法，因为我已经尝试过 read() 方法。

方法一:

print 'decompressing ' + filename

fileHandle = open(zipFile)
uncompressedData = ''

while True:            
    s = fileHandle.read(1024)
    if not s:
        break
        print('RAW "%s"', s)
        uncompressedData += bz2.decompress(s)

        uncompressedData += bz2.flush()

        newFile = open(steamTF2mapdir + filename.split(".bz2")[0],"w")
        newFile.write(uncompressedData)
        newFile.close()   

我得到错误:

uncompressedData += bz2.decompress(s)
ValueError: couldn't find end of stream

方法B

zipFile = steamTF2mapdir + filename
print 'decompressing ' + filename
fileHandle = open(zipFile)

s = fileHandle.read()
uncompressedData = bz2.decompress(s)

同样的错误:

uncompressedData = bz2.decompress(s)
ValueError: couldn't find end of stream

非常感谢您的及时回复。我真的在用头撞墙，因为无法解压缩一个简单的 .bz2 文件而感到异常沉重。

顺便说一下，使用 7zip 手动解压它，以确保该文件没有不稳定或任何东西，并且解压正常。

Answer 1

您正在打开和阅读压缩文件，就好像它是由行组成的文本文件一样。不!不是。

uncompressedData = bz2.BZ2File(zipFile).read()

似乎更接近您所钓的目标。

编辑:OP 展示了他尝试过的更多东西(尽管我没有看到任何关于尝试过最佳方法的注释——我在上面推荐的单行方法!)但是他们似乎所有人都有一个共同的错误，我重复上面的关键部分:

opening ... the compressed file as if it was a textfile ... It's NOT.

open(filename) 甚至更明确的 open(filename, 'r') 打开一个 text 文件 - - 压缩文件是二进制文件，因此为了正确读取它，您必须使用open(filename, 'rb') 打开它。 ((我推荐的 bz2.BZ2File 知道它正在处理一个压缩文件，当然，所以没有必要再告诉它任何东西))。

在 Python 2.* 中，在 Unix-y 系统(即除 Windows 之外的所有系统)中，您可以随意使用 open(但在 Python 中3.* 你不能，因为文本是 Unicode，而二进制是字节——不同的类型)。

在 Windows 中(以及在此之前的 DOS 中)区分总是不可或缺的，因为 Windows 的文本文件由于历史原因是特殊的(使用两个字节而不是一个字节来结束行，并且至少在某些情况下，取值 '\0x1A' 的字节表示文件的逻辑结尾)，因此读取和写入低级代码必须补偿。

所以我怀疑 OP 正在使用 Windows 并且正在为不小心使用 'rb' 选项(“读取二进制文件”)到 open built-在。 (尽管 bz2.BZ2File 仍然更简单，无论您使用什么平台!-)。