在 python 3 中将字符串保存到 tarfile 会引发意外的数据结束错误

Question

我正在尝试打开一个包含 json 数据的 tar.gz 文件，从中提取文本，然后将它们保存回 tar.gz。到目前为止，这是我在 Python 3 中的代码。

from get_clean_text import get_cleaned_text # my own module
import tarfile
import os
import json
from io import StringIO
from pathlib import Path


def make_clean_gzip(inzip):
    outzip = "extracted/clean-" + inzip
    with tarfile.open(inzip, 'r:gz') as infile, tarfile.open(outzip, 'w:gz') as outfile:
        jfiles = infile.getnames()
        for j in jfiles:
            dirtycase = json.loads(infile.extractfile(j).read().decode("utf-8"))
            cleaned = get_cleaned_text(dirtycase)
            newtarfile = tarfile.TarInfo(Path(j).stem + ".txt")
            fobj = StringIO()
            fobj.write(cleaned)
            newtarfile.size = fobj.tell()
            outfile.addfile(newtarfile, fobj)

但是，这会引发OSError: unexpected end of data。 （顺便说一句，我已经验证了我要编写的所有字符串的长度都是非零的，并且还验证了在文件对象上调用 tell() 与在字符串上调用 len() 返回的值相同。）

我找到了this prior SO，这表明问题在于StringIO 未编码，因此我将BytesIO 换成了StringIO，然后换成了fobj.write(cleaned.encode("utf-8"))，但这仍然会引发相同的错误。

我还尝试过简单地不设置 TarInfo 对象的大小，然后该代码运行，但创建了一个包含一堆空文件的存档。

我错过了什么？谢谢！

Answer 1

.addfile() 方法可能只是在您提供给它的文件对象上调用.read() - 在这种情况下它不会返回任何内容，因为您已经在文件的末尾。尝试在该行之前添加fobj.seek(0)。