python - 使用Python SDK时如何防止GCS自动解压对象？

Question

我正在尝试在 GCS 中下载压缩的对象，但如果 GCS 没有自动为我解压缩文件，我将无法下载它。我希望能够自己下载gzip，然后在本地解压。

如果我在 GCS gui 中转到我的对象，我可以查看对象元数据并看到以下内容:

Content-Type: application/json
Content-Encoding: gzip
Cache-Control: no-transform

此外，如果我在控制台中右键单击 Authenticated URL 并单击 Save Link As，我会得到一个 gzip 存档，所以我知道这个文件实际上是一个存档。

我阅读了GCS's documentation您可以设置 Cache-Control: no-transform 然后“该对象在所有后续请求中用作压缩对象”。

除非我使用下面的代码下载 GCS 对象，否则它是作为 JSON 对象而不是 gzip 存档下载的:

bucket = storage_client.get_bucket("bucketname")
blob = bucket.blob("objectname")
stringobj = blob.download_as_text()
bytesobj = blob.download_as_bytes()
blob.download_to_filename("test.json.gz")

我尝试了三种不同的方法来下载对象，它们都将文件下载为 JSON 对象。

只是为了验证对象确实具有正确的 header ，我运行了以下命令:

blob.reload()
print(f"Content encoding: {blob.content_encoding}")
print(f"Content type: {blob.content_type}")
print(f"Cache control: {blob.cache_control}")

>> Content encoding: gzip
>> Content type: application/json
>> Cache control: no-transform

我不确定我还能尝试什么。

Answer 1

我重现了你的问题。我听从了您的输入并得到了类似的行为，因为我下载了一个文件名具有 .gz 扩展名的 gzip 存档。但是，gunzip -ing 文件会返回错误:

Example.json.gz: not in gzip format

解决方案是使用raw_download=True下载原始 gzip 存档以防止发生解压缩转码。

例子:

blob.download_to_filename("test.json.gz", raw_download=True)