在python中解压缩嵌套的zip文件答案

【问题标题】：Unzip nested zip files in python在python中解压缩嵌套的zip文件
【发布时间】：2012-08-13 08:20:28
【问题描述】：

我正在寻找一种在 python 中解压缩嵌套 zip 文件的方法。例如，考虑以下结构（为方便起见，假设名称）：

文件夹
- ZipfileA.zip
  - ZipfileA1.zip
  - ZipfileA2.zip
- ZipfileB.zip
  - ZipfileB1.zip
  - ZipfileB2.zip

...等等。我正在尝试访问第二个 zip 中的文本文件。我当然不想提取所有内容，因为剪切数字会使计算机崩溃（第一层有几百个拉链，第二层有近 10,000 个拉链（每个拉链））。

我一直在使用“zipfile”模块——我能够打开第一级 zipfile。例如：

zipfile_obj = zipfile.ZipFile("/Folder/ZipfileA.zip")
next_layer_zip = zipfile_obj.open("ZipfileA1.zip")

但是，这会返回一个“ZipExtFile”实例（不是文件或 zipfile 实例）——然后我无法继续打开这个特定的数据类型。我不能这样做：

data = next_layer_zip.open(data.txt)

但是，我可以通过以下方式“读取”这个 zip 文件：

next_layer_zip.read()

但这完全没用！（即只能读取压缩数据/goobledigook）。

有没有人对我如何解决这个问题有任何想法（没有使用 ZipFile.extract）？

我遇到了这个，http://pypi.python.org/pypi/zip_open/ - 它看起来完全符合我的要求，但它似乎对我不起作用。（对于我正在尝试处理的文件，使用该模块继续获取“[Errno 2] No such file or directory:”）。

任何想法将不胜感激！提前致谢

【问题讨论】：

标签： python zip

【解决方案1】：

ZipFile 需要一个类似文件的对象，因此您可以使用 StringIO 将您从嵌套 zip 读取的数据转换为这样的对象。需要注意的是，您会将完整的（仍然压缩的）内部 zip 加载到内存中。

with zipfile.ZipFile('foo.zip') as z:
    with z.open('nested.zip') as z2:
        z2_filedata = cStringIO.StringIO(z2.read())
        with zipfile.ZipFile(z2_filedata) as nested_zip:
            print nested_zip.open('data.txt').read()

【讨论】：

【解决方案2】：

不幸的是，解压缩 zip 文件需要随机访问存档，而 ZipFile 方法（更不用说 DEFLATE 算法本身）只提供流。因此，不解压缩嵌套的 zip 文件是不可能的。

【讨论】：

【解决方案3】：

这是我想出的一个功能。

def extract_nested_zipfile(path, parent_zip=None):
    """Returns a ZipFile specified by path, even if the path contains
    intermediary ZipFiles.  For example, /root/gparent.zip/parent.zip/child.zip
    will return a ZipFile that represents child.zip
    """

    def extract_inner_zipfile(parent_zip, child_zip_path):
        """Returns a ZipFile specified by child_zip_path that exists inside
        parent_zip.
        """
        memory_zip = StringIO()
        memory_zip.write(parent_zip.open(child_zip_path).read())
        return zipfile.ZipFile(memory_zip)

    if ('.zip' + os.sep) in path:
        (parent_zip_path, child_zip_path) = os.path.relpath(path).split(
            '.zip' + os.sep, 1)
        parent_zip_path += '.zip'

        if not parent_zip:
            # This is the top-level, so read from disk
            parent_zip = zipfile.ZipFile(parent_zip_path)
        else:
            # We're already in a zip, so pull it out and recurse
            parent_zip = extract_inner_zipfile(parent_zip, parent_zip_path)

        return extract_nested_zipfile(child_zip_path, parent_zip)
    else:
        if parent_zip:
            return extract_inner_zipfile(parent_zip, path)
        else:
            # If there is no nesting, it's easy!
            return zipfile.ZipFile(path)

这是我的测试方法：

echo hello world > hi.txt
zip wrap1.zip hi.txt
zip wrap2.zip wrap1.zip
zip wrap3.zip wrap2.zip

print extract_nested_zipfile('/Users/mattfaus/dev/dev-git/wrap1.zip').open('hi.txt').read()
print extract_nested_zipfile('/Users/mattfaus/dev/dev-git/wrap2.zip/wrap1.zip').open('hi.txt').read()
print extract_nested_zipfile('/Users/mattfaus/dev/dev-git/wrap3.zip/wrap2.zip/wrap1.zip').open('hi.txt').read()

【讨论】：

对于那些使用 3.3 的人，为了节省您一些时间 TypeError: string argument expected, got 'bytes' 与 memory_zip.write(parent_zip.open(child_zip_path).read()) 行相关的不确定解决方法

【解决方案4】：

我使用 python 3.7.3

import zipfile
import io
with zipfile.ZipFile('all.zip') as z:
    with z.open('nested.zip') as z2:
        z2_filedata =  io.BytesIO(z2.read())
        with zipfile.ZipFile(z2_filedata) as nested_zip:
            print( nested_zip.open('readme.md').read())

【讨论】：

【解决方案5】：

对于那些寻求提取嵌套 zip 文件（任何级别的嵌套）并清理原始 zip 文件的功能的人：

import zipfile, re, os

def extract_nested_zip(zippedFile, toFolder):
    """ Unzip a zip file and its contents, including nested zip files
        Delete the zip file(s) after extraction
    """
    with zipfile.ZipFile(zippedFile, 'r') as zfile:
        zfile.extractall(path=toFolder)
    os.remove(zippedFile)
    for root, dirs, files in os.walk(toFolder):
        for filename in files:
            if re.search(r'\.zip$', filename):
                fileSpec = os.path.join(root, filename)
                extract_nested_zip(fileSpec, root)

【讨论】：

【解决方案6】：

这对我有用。只需将此脚本与嵌套 zip 放在同一目录下即可。它还将计算嵌套 zip 中的文件总数

import os

from zipfile import ZipFile


def unzip (path, total_count):
    for root, dirs, files in os.walk(path):
        for file in files:
            file_name = os.path.join(root, file)
            if (not file_name.endswith('.zip')):
                total_count += 1
            else:
                currentdir = file_name[:-4]
                if not os.path.exists(currentdir):
                    os.makedirs(currentdir)
                with ZipFile(file_name) as zipObj:
                    zipObj.extractall(currentdir)
                os.remove(file_name)
                total_count = unzip(currentdir, total_count)
    return total_count

total_count = unzip ('.', 0)
print(total_count)

【讨论】：

【解决方案7】：

我解决此类问题的方法是这样的，包括自分配对象：

import os
import re 
import zipfile
import pandas as pd
# import numpy as np
path = r'G:\Important\Data\EKATTE'

# DESCRIBE
archives = os.listdir(path)
archives = [ar for ar in archives if ar.endswith(".zip")]
contents = pd.DataFrame({'elec_date':[],'files':[]})
for a in archives:
    archive = zipfile.ZipFile( path+'\\'+a )
    filelist = archive.namelist()
    # archive.infolist()
    for i in archive.namelist():
        if re.match('.*zip', i):
            sub_arch = zipfile.ZipFile(archive.open(i))
            sub_names = [x for x in sub_arch.namelist()]
            for s in sub_names:
                exec(f"{s.split('.')[0]} = pd.read_excel(sub_arch.open(s), squeeze=True)")

存档可在保加利亚国家统计局页面（直接链接）上找到： https://www.nsi.bg/sites/default/files/files/EKATTE/Ekatte.zip

【讨论】：