解压缩文件时出错 - Jupyter Notebook - Python 2.x -3.x - AI Notebook -Google Cloud Platform

Question

我正在尝试从https://www.fec.gov/data/browse-data/?tab=bulk-data下载 .zip 文件，特别是https://www.fec.gov/files/bulk-downloads/2020 /indiv20.zip 。 压缩后，文件为 2.7 GB。 下载在 10 秒内启动并完成。 当我尝试解压缩文件时，我收到以下错误消息。 当下载到我的本地机器时，链接下载为 .zip 文件并打开到请求的数据。

!python --version

Python 3.7.8

!curl -O https://www.fec.gov/files/bulk-downloads/2020/indiv20.zip

% Total % Received % Xferd Average Speed Time Time Time Current Dload Upload Total Spent Left Speed 100 138 100 138 0 0 690 0 --:--:-- --:--:-- --:--:-- 690

!unzip -a indiv20.zip

Archive: indiv20.zip End-of-central-directory signature not found. Either this file is not a zipfile, or it constitutes one disk of a multi-part archive. In the latter case the central directory and zipfile comment will be found on the last disk(s) of this archive. unzip: cannot find zipfile directory in one of indiv20.zip or indiv20.zip.zip, and cannot find indiv20.zip.ZIP, period.

import zipfile
with zipfile.ZipFile("indiv20.zip", 'r') as zip_ref:
    zip_ref.extractall()

Answer 1

看起来 HTTP 服务器正在返回重定向， curl将“302 Found”消息存储到 indiv20.zip 文件中，而不是实际的 ZIP 数据。

您可以通过将-L （或--location ）参数添加到curl命令来解决此问题，以便它遵循重定向：

$ curl -LO https://www.fec.gov/files/bulk-downloads/2020/indiv20.zip

Answer 2

检查文件的内容。 这可能是 html 中的错误消息。 (cat indiv20.zip)