Python tarfile - 检查 tar 中的文件是否存在于外部(即，已经被提取)

Question

我是 stackoverflow 的新手。对不起，如果这篇文章是多余的，但我还没有找到答案。另外，我对 Python 还很陌生。如果文件不存在于 tar 文件所在的根目录中，我想从 tar 文件中提取文件。我试过很多版本。我认为下面的代码有一些冗余，它没有做我需要的。它只是不断提取和覆盖现有文件。

需要提取的文件总是以“_B7.TIF”结尾。代码当前采用一个参数 - 包含 tar 文件的目录的完整路径。

import os, shutil, sys, tarfile 
directory = sys.argv[1]

tifFiles = []
for root, dirs, files in os.walk(directory):
    for file in files:
        if file.endswith(".TIF"):
            # also tried tifFiles.append(file)
            tifFiles.append(file.name)
        elif file.endswith(".tar.gz"):
            tar = tarfile.open(root + "/" + file)
            for item in tar:
                if str(item) in tifFiles:
                    print "{0} has already been unzipped.".format(str(item))
                elif "_B7" in str(item):
                    tar.extract(item, path=root)
shutil.rmtree(root + "\gap_mask")

这是另一个似乎没有做任何事情的版本。我试图简化...

import os, shutil, sys, tarfile
directory = sys.argv[1]

for root, dirs, files in os.walk(directory):
    if file not in tarfile.getnames() and file.endswith("_B7.TIF"):
        tar.extract(file, path=root)
    else:
        print "File: {0} has already been unzipped.".format(file)
shutil.rmtree(root + "\gap_mask")

感谢你们的意见/建议。他们都在某种程度上提供了帮助。此代码对我有用。

import os, shutil, sys, tarfile
folder = sys.argv[1]

listFiles = os.listdir(folder)

try:
    for file in listFiles:
        if file.endswith(".tar.gz"):
            sceneTIF = file[:-7] + "_B7.TIF"
            if os.path.exists(os.path.join(folder,sceneTIF)):
                print sceneTIF, "has already been extracted."
            else:
                tar = tarfile.open(os.path.join(folder,file))
                for item in tar:
                    if "_B7" in str(item):
                        tar.extract(item, path=folder)
    shutil.rmtree(os.path.join(folder,"gap_mask")
except WindowsError:
    pass

关于风格/冗余/让它变得更好的方法有什么想法吗？ Thomas，您的代码不是开箱即用的。我认为这是 tarfile.open 组件。可能需要 tarfile.open(os.path.join(directory, archive))。不过，我只是在修改上述内容后才想到这一点。没有测试过。再次感谢。

Answer 1

os.walk 遍历目录树，包括子目录。从你的描述来看，这不是你想要的。此外，只有比您的 tarfile 更早遇到的文件才会被视为存在。

检查您遇到的文件是否存在要容易得多:

import sys
import os
import tarfile

directory = sys.argv[1]

def extract_nonexisting(archive):
    for name in archive.getnames():
        if os.path.exists(os.path.join(directory, name)):
            print name, "already exists"
        else:
            archive.extract(name, path=directory)

archives = [name for name in os.listdir(directory) if name.endswith("tar.gz")]
for archive_name in archives:
    with tarfile.open(archive_name) as archive:
        extract_nonexisting(archive)