Python：从 tar.gz 中提取带有模式的特定文件而不提取完整文件

Question

我想从许多 tar.gz 文件中提取所有带有*_sl_H*模式的文件，而不是从档案中提取所有文件。

我找到了这些行，但无法使用通配符 ( https://pymotw.com/2/tarfile/ )：

import tarfile
import os

os.mkdir('outdir')
t = tarfile.open('example.tar', 'r')
t.extractall('outdir', members=[t.getmember('README.txt')])
print os.listdir('outdir')

有人有想法吗？ 提前谢谢了。

Answer 1

看一看TarFile.getmembers()方法，它以列表的形式返回档案的成员。 获得此列表后，您可以根据条件决定要提取哪个文件。

import tarfile
import os

os.mkdir('outdir')
t = tarfile.open('example.tar', 'r')
for member in t.getmembers():
    if "_sl_H" in member.name:
        t.extract(member, "outdir")

print os.listdir('outdir')

Answer 2

您可以从许多 tar 中提取与您的模式匹配的所有文件，如下所示：

1. 使用glob获取给定文件夹中所有*.tar或*.gz文件的列表。

2. 对于每个 tar 文件，使用getmembers()函数获取每个 tar 文件中的文件列表。

3. 使用正则表达式（或if "xxx" in测试中使用简单的if "xxx" in ）来过滤所需的文件。

4. 将此匹配文件列表传递给extractall()函数中的members参数。

5. 添加了异常处理以捕获编码错误的 tar 文件。

例如：

import tarfile
import glob
import re

reT = re.compile(r'.*?_sl_H.*?')

for tar_filename in glob.glob(r'\my_source_folder\*.tar'):
    try:
        t = tarfile.open(tar_filename, 'r')
    except IOError as e:
        print(e)
    else:
        t.extractall('outdir', members=[m for m in t.getmembers() if reT.search(m.name)])