zipfile.Zipfile 打开 Zip 文件夹中的特定文件

Question

我是 Python 新手，我正在尝试构建一个从各种网站下载和提取 zip 文件的程序。我已经粘贴了我为此编写的两个程序。第一个程序是一个名为“urls”的“子”程序，我将其导入到第二个程序中。我正在尝试遍历每个 url，并在每个 url 中遍历每个数据文件，最后检查“关键字”列表是否是文件名的一部分，如果是，下载并提取该文件。我陷入了需要遍历“关键字”列表以检查要下载的文件名的部分。你能帮忙吗？我感谢您的任何建议或指导。谢谢你。安迪

**Program #1 called "urls":**

urls = [
    "https://www.dentoncad.com/content/data-extracts/1-appraisal-data-extracts/1-2019/1-preliminary/2019-preliminary" \
    "-protax-data.zip",
    "http://www.dallascad.org/ViewPDFs.aspx?type=3&id=//DCAD.ORG\WEB\WEBDATA\WEBFORMS\DATA%20PRODUCTS\DCAD2020_" \
    "CURRENT.ZIP"
]

keywords = [
    "APPRAISAL_ENTITY_INFO",
    "SalesExport",
    "account_info",
    "account_apprl_year",
    "res_detail",
    "applied_std_exempt",
    "land",
    "acct_exempt_value"
]`enter code here`

    enter code here

**Program #2 (primary program):**

import requests
import zipfile
import os
import urls


def main():
    print_header()
    dwnld_zfiles_from_web()


def print_header():
    print('---------------------------------------------------------------------')
    print('               DOWNLOAD ZIP FILES FROM THE WEB APP')
    print('---------------------------------------------------------------------')
    print()


def dwnld_zfiles_from_web():
    file_num = 0

    dest_folder = "C:/Users/agbpi/OneDrive/Desktop/test//"

    # loop through each url within the url list, assigning it a unique file number each iteration
    for url in urls.urls:
        file_num = file_num + 1
        url_resp = requests.get(url, allow_redirects=True, timeout=5)

        if url_resp.status_code == 200:
            saved_archive = os.path.basename(url)
            with open(saved_archive, 'wb') as f:
                f.write(url_resp.content)

                # for match in urls.keywords:

                print("Extracting...", url_resp.url)

                with zipfile.ZipFile('file{0}'.format(str(file_num)), "r") as z:
                    zip_files = z.namelist()
                    # print(zip_files)
                    for content in zip_files:
                        while urls.keywords in content:
                            z.extract(path=dest_folder, member=content)
                    # while urls.keywords in zip_files:
                    #     for content in zip_files:
                    #         z.extract(path=dest_folder, member=content)

                print("Finished!")


if __name__ == '__main__':
    main()

Answer 1

好的，根据更新的问题更新答案。

在这部分之前你的代码很好：

                with zipfile.ZipFile('file{0}'.format(str(file_num)), "r") as z:
                    zip_files = z.namelist()
                    # print(zip_files)
                    for content in zip_files:
                        while urls.keywords in content:
                            z.extract(path=dest_folder, member=content)

问题 1

您已经将 zip 文件名命名为 saved_archive，但您尝试以 zip 文件的形式打开其他文件。为什么'file{0}'.format(str(file_num))？你应该只是with zipfile.ZipFile(saved_archive, "r") as z:

问题 2

while 是一种if 语句，但它不能用作过滤器（看起来你想要那个）。 while 所做的是检查语句的条件（在 while 部分之后）是否为 True-ish，如果是，则执行缩进的代码。一旦第一个False-ish 评估开始，代码执行就会继续。因此，如果您的条件评估将产生这些结果[True, False, True]，第一个将触发缩进代码运行，第二个将导致退出，第三个将由于先前的退出条件而被忽略。但条件无效导致：

问题 3

url.keywords 是 list，content 是 str。字符串中的列表永远不会有意义。就像['apple', 'banana'] in 'b'。 'b' 不会有这样的成员。您可以颠倒逻辑，但请记住，'b' in ['apple', 'banana'] 将是 False，'banana' in ['apple', 'banana'] 将是 True。

这意味着在您的情况下，这种情况：'_SalesExport.txt' in urls.keywords 将是False！为什么？因为url.keywords 是：

[
    "APPRAISAL_ENTITY_INFO",
    "SalesExport",
    "account_info",
    "account_apprl_year",
    "res_detail",
    "applied_std_exempt",
    "land",
    "acct_exempt_value"
]

而SalesExport 不是 _SalesExport.txt。

要实现部分匹配检查，您需要将列表项（字符串）与字符串进行比较。 "SalesExport" in "_SalesExport.txt" 是 True，但 "SalesExport" in ["_SalesExport.txt"] 是 False，因为 SalesExport 不是列表的成员。

你可以做三件事：

1. 将您的 keywords 列表更新为准确的文件名，以便 content in kw_list 可以工作（这意味着如果 zip 文件中有目录结构，您也必须包含该目录结构）

                    for content in zip_files:
                        if content in urls.keywords:
                            z.extract(path=dest_folder, member=content)

1. 在 for 循环中实现 for 循环

                    for content in zip_files:
                        for kw in urls.keywords:
                            if kw in content:
                                z.extract(path=dest_folder, member=content)

1. 使用生成器

matches = [x for x in zip_files if any(y for y in urls.keywords if y in x)]
for m in matches:
    z.extract(path=dest_folder, member=m)

---

最后是一个建议：

超时

小心

url_resp = requests.get(url, allow_redirects=True, timeout=5).

“超时”控制两件事，连接超时和读取超时。由于响应时间可能超过 5 秒，您可能需要更长的读取超时时间。您可以将超时指定为元组：（连接超时，读取超时）。所以更好的参数是：

url_resp = requests.get(url, allow_redirects=True, timeout=(5, 120))