python - 如何在不提取的情况下遍历包含 zip 文件的 tar.gz 文件

Question

我有一个大的 tar.gz 文件要使用 python 脚本进行分析。 tar.gz 文件包含许多可能嵌入其他 .gz 文件的 zip 文件。在解压缩文件之前，我想遍历压缩文件中的目录结构，看看是否存在某些文件或目录。通过查看 tarfile 和 zipfile 模块，我没有看到任何允许我在 tar.gz 文件中获取 zip 文件目录的现有函数。

感谢您的帮助，

Answer 1

如果不解压缩文件，您将无法访问它。但是，如果您不想，则不需要将其解压缩到磁盘。您可以使用 tarfile.TarFile.extractfile 方法获取类似文件的对象，然后将其作为 fileobj 传递给 tarfile.open争论。例如，给定这些嵌套的 tarfiles:

$ cat bar/baz.txt     
This is bar/baz.txt.
$ tar cvfz bar.tgz bar
bar/
bar/baz.txt
$ tar cvfz baz.tgz bar.tgz
bar.tgz

您可以像这样从内部访问文件:

>>> import tarfile
>>> baz = tarfile.open('baz.tgz')
>>> bar = tarfile.open(fileobj=baz.extractfile('bar.tgz'))
>>> bar.extractfile('bar/baz.txt').read()
'This is bar/baz.txt.\n'

而且它们只会提取到内存中。