Tarfile/Zipfile extractall() 更改某些文件的文件名

Question

您好，我目前正在开发一个必须提取一些 .tar 文件的工具。

它在大多数情况下都很好用，但我有一个问题：

某些 .tar 和 .zip 文件的名称包含“非法”字符（f.ex“:”）。 这个程序必须在 windows 机器上运行，所以我必须处理这个。

如果提取的输出中包含“：”或其他非法 Windows 字符，我是否可以更改某些文件的名称。

我目前的实现：

def read_zip(filepath, extractpath):
    with zipfile.ZipFile(filepath, 'r') as zfile:
        contains_bad_char = False
        for finfo in zfile.infolist():
            if ":" in finfo.filename:
                contains_bad_char = True
        if not contains_bad_char:
            zfile.extractall(path=extractpath)


def read_tar(filepath, extractpath):
    with tarfile.open(filepath, "r:gz") as tar:
        contains_bad_char = False
        for member in tar.getmembers():
            if ":" in member.name:
                contains_bad_char = True
        if not contains_bad_char:
            tar.extractall(path=extractpath)

所以目前我只是忽略了这些输出，这并不理想。

为了更好地描述我的要求，我可以提供一个小例子：

file_with_files.tar -> small_file_1.txt
                    -> small_file_2.txt
                    -> annoying:file_1.txt
                    -> annoying:file_1.txt

应该提取到

file_with_files -> small_file_1.txt
                -> small_file_2.txt
                -> annoying_file_1.txt
                -> annoying_file_1.txt

是迭代压缩文件中的每个文件对象并逐个提取的唯一解决方案，还是有更优雅的解决方案？

Answer 1

根据[Python.Docs]: ZipFile.extract(member, path=None, pwd=None)：

在 Windows 上将非法字符（:、<、>、|、"、? 和 *）替换为下划线（_）。

所以，事情已经处理好了：

>>> import os
>>> import zipfile
>>>
>>> os.getcwd()
'e:\\Work\\Dev\\StackOverflow\\q055340013'
>>> os.listdir()
['arch.zip']
>>>
>>> zf = zipfile.ZipFile("arch.zip")
>>> zf.namelist()
['file0.txt', 'file:1.txt']
>>> zf.extractall()
>>> zf.close()
>>>
>>> os.listdir()
['arch.zip', 'file0.txt', 'file_1.txt']

快速浏览 TarFile（source 和 doc）并没有发现任何类似的东西（如果没有，我也不会很惊讶，因为 .tar 格式主要用于Nix），所以你必须手动完成。事情并不像我预期的那么简单，因为 TarFile 不像 ZipFile 那样提供以不同名称提取成员的可能性。
无论如何，这里有一段代码（我有 ZipFile 和 TarFile 作为灵感来源）：

code00.py：

#!/usr/bin/env python

import sys
import os
import tarfile


def unpack_tar(filepath, extractpath=".", compression_flag="*"):
    win_illegal = ':<>|"?*'
    table = str.maketrans(win_illegal, '_' * len(win_illegal))
    with tarfile.open(filepath, "r:" + compression_flag) as tar:
        for member in tar.getmembers():
            #print(member, member.isdir(), member.name, member.path)
            #print(type(member))
            if member.isdir():
                os.makedirs(member.path.translate(table), exist_ok=True)
            else:
                with open(os.path.join(extractpath, member.path.translate(table)), "wb") as fout:
                    fout.write(tarfile.ExFileObject(tar, member).read())


def main(*argv):
    unpack_tar("arch00.tar")


if __name__ == "__main__":
    print("Python {:s} {:03d}bit on {:s}\n".format(" ".join(elem.strip() for elem in sys.version.split("\n")),
                                                   64 if sys.maxsize > 0x100000000 else 32, sys.platform))
    rc = main(*sys.argv[1:])
    print("\nDone.")
    sys.exit(rc)

请注意，上面的代码适用于简单的 .tar 文件（具有简单的成员，包括目录）。

已提交[Python.Bugs]: tarfile: handling Windows (path) illegal characters in archive member names。
我不知道它的结果会是什么，因为我提交了几个更严重的问题（以及对它们的修复）（在我的 PoV 上），但对于各种原因，他们被拒绝了。