如何从python中损坏的gzip文件中提取数据

Question

我正在使用python gzip库扩展文件，其中一些已损坏。 确切的错误是这样的：

解压缩时出现错误-3：无效的块类型

是否可以读取文件断点之前的所有数据，或者以某种方式跳过断点并读取前后的内容？ 压缩文件基本上是一行文本，我想恢复尽可能多的数据。

谢谢

Answer 1

希望有人觉得这有用：

# http://stackoverflow.com/questions/2423866/python-decompressing-gzip-chunk-by-chunk
# http://stackoverflow.com/questions/3122145/zlib-error-error-3-while-decompressing-incorrect-header-check/22310760
def read_corrupted_file(filename, CHUNKSIZE=1024):
    d = zlib.decompressobj(zlib.MAX_WBITS | 32)
    with open(filename, 'rb') as f:
        result_str = ''
        buffer=f.read(CHUNKSIZE)
        try:
            while buffer:
                result_str += d.decompress(buffer)
                buffer=f.read(CHUNKSIZE)
        except Exception as e:
            print 'Error: %s -> %s' % (filename, e.message)
        return result_str

Answer 2

您可以使用Python zlib接口一次解压缩一个片段，这将为您提供解压缩的数据，直到坏块为止。 请注意，损坏可能早于被捕获的位置，因此，在获取的解压缩数据的末尾可能会损坏一部分。

错误发生后几乎不可能恢复数据（请参阅问题注释中的链接），除非gzip文件经过专门准备具有恢复点。 gzip实用程序本身不这样做。