我有一个包含许多.tar.gz文件的文件夹。 在python中，我想进入每个文件解压缩或压缩，并找到具有要提取的字符串的文本文件？

Question

我的主文件夹包含许多gz.tar压缩文件。 因此，我需要解压缩两次以获取带有文本的数据文件，然后在文本中提取特定的字符串。 我无法解压缩以获取包含文本的文件，然后移至下一个文件并执行相同操作。 将结果保存在数据框中。

import os
import tarfile
for i in os.listdir(r'\user\project gz'):
 tar = (i, "r:gz")
 for m in tar.getmembers():
  f= tar.extractfile(member):
  if f is not None:
   content = f.read()
   text = re.findall(r"\name\s", content)
   df = pd.Dataframe(text)
   print(df)

Answer 1

我猜您想在\\user\\project gz\\*.tar.gz找出包含字符串\\name\\s文件吗？

一个解决方案是

import os
import re
import tarfile

import pandas as pd

row = []
value = []


for filename in os.listdir(r'\\user\\project gz'):
    if filename.endswith('.tar.gz'):
        tar = tarfile.open(r'\\user\\project gz' + filename)
        for text_file in tar.getmembers():
            f = tar.extractfile(text_file)
            if f is not None:
                content = f.read().decode()
                if re.findall(r"\\name\\s", content):
                    row.append(text_file.name)
                    value.append(content)
        tar.close()


df = pd.DataFrame(value, columns=['nametag'], index=row)
print(df)