如何从用 7z 压缩的文本文件中读取？

Question

我想从 7z 压缩的 csv（文本）文件中逐行读取（在 Python 2.7 中）。 我不想解压缩整个（大）文件，而是要流式传输这些行。

我尝试pylzma.decompressobj()失败。 我收到数据错误。 请注意，此代码尚未逐行读取：

input_filename = r"testing.csv.7z"
with open(input_filename, 'rb') as infile:
    obj = pylzma.decompressobj()
    o = open('decompressed.raw', 'wb')
    obj = pylzma.decompressobj()
    while True:
        tmp = infile.read(1)
        if not tmp: break
        o.write(obj.decompress(tmp))
    o.close()

输出：

    o.write(obj.decompress(tmp))
ValueError: data error during decompression

Answer 1

这将允许您迭代这些行。 它部分源自我在另一个问题的答案中找到的一些代码。

此时 ( pylzma-0.5.0 ) py7zlib模块没有实现允许将存档成员作为字节或字符流读取的py7zlib它的ArchiveFile类只提供了一个read()函数，用于解压缩和一次性返回成员中未压缩的数据。 鉴于此，可以做的最好的事情是通过 Python 生成器将其用作缓冲区，以迭代方式返回字节或行。

以下是后者，但如果问题是存档成员文件本身很大，则可能无济于事。

下面的代码应该适用于 Python 3.x 和 2.7。

import io
import os
import py7zlib


class SevenZFileError(py7zlib.ArchiveError):
    pass

class SevenZFile(object):
    @classmethod
    def is_7zfile(cls, filepath):
        """ Determine if filepath points to a valid 7z archive. """
        is7z = False
        fp = None
        try:
            fp = open(filepath, 'rb')
            archive = py7zlib.Archive7z(fp)
            _ = len(archive.getnames())
            is7z = True
        finally:
            if fp: fp.close()
        return is7z

    def __init__(self, filepath):
        fp = open(filepath, 'rb')
        self.filepath = filepath
        self.archive = py7zlib.Archive7z(fp)

    def __contains__(self, name):
        return name in self.archive.getnames()

    def readlines(self, name, newline=''):
        r""" Iterator of lines from named archive member.

        `newline` controls how line endings are handled.

        It can be None, '', '\n', '\r', and '\r\n' and works the same way as it does
        in StringIO. Note however that the default value is different and is to enable
        universal newlines mode, but line endings are returned untranslated.
        """
        archivefile = self.archive.getmember(name)
        if not archivefile:
            raise SevenZFileError('archive member %r not found in %r' %
                                  (name, self.filepath))

        # Decompress entire member and return its contents iteratively.
        data = archivefile.read().decode()
        for line in io.StringIO(data, newline=newline):
            yield line


if __name__ == '__main__':

    import csv

    if SevenZFile.is_7zfile('testing.csv.7z'):
        sevenZfile = SevenZFile('testing.csv.7z')

        if 'testing.csv' not in sevenZfile:
            print('testing.csv is not a member of testing.csv.7z')
        else:
            reader = csv.reader(sevenZfile.readlines('testing.csv'))
            for row in reader:
                print(', '.join(row))

Answer 2

如果您使用的是 Python 3.3+，则可以使用添加到该版本标准库中的lzma模块来执行此操作。

请参阅： lzma示例

Answer 3

如果您可以使用 python 3，则有一个有用的库py7zr ，它支持部分7zip 解压，如下所示：

import py7zr
import re
filter_pattern = re.compile(r'<your/target/file_and_directories/regex/expression>')
with SevenZipFile('archive.7z', 'r') as archive:
    allfiles = archive.getnames()
    selective_files = [f if filter_pattern.match(f) for f in allfiles]
    archive.extract(targets=selective_files)