在python中解压缩嵌套的zip文件

Question

我正在寻找一种在 python 中解压缩嵌套 zip 文件的方法。 例如，考虑以下结构（为方便起见，假设名称）：

• 文件夹
  • 压缩文件A.zip
    • 压缩文件A1.zip
    • 压缩文件A2.zip
  • 压缩文件B.zip
    • 压缩文件B1.zip
    • 压缩文件B2.zip

...等等。 我正在尝试访问第二个 zip 中的文本文件。 我当然不想提取所有内容，因为剪切数字会使计算机崩溃（第一层有数百个拉链，第二层（每个拉链）有近 10,000 个拉链）。

我一直在玩 'zipfile' 模块 - 我能够打开 zipfiles 的第一级。 例如：

zipfile_obj = zipfile.ZipFile("/Folder/ZipfileA.zip")
next_layer_zip = zipfile_obj.open("ZipfileA1.zip")

但是，这将返回一个“ZipExtFile”实例（不是文件或 zipfile 实例）- 然后我无法继续打开此特定数据类型。 我不能这样做：

data = next_layer_zip.open(data.txt)

但是，我可以使用以下命令“读取”这个 zip 文件：

next_layer_zip.read()

但这完全没用！ （即只能读取压缩数据/goobledigook）。

有没有人对我如何处理这个（不使用 ZipFile.extract）有任何想法？

我遇到了这个， http://pypi.python.org/pypi/zip_open/ - 它看起来完全符合我的要求，但它似乎对我不起作用。 （对于我尝试使用该模块处理的文件，不断收到“[Errno 2] 没有这样的文件或目录：”）。

任何想法将不胜感激！ 提前致谢

Answer 1

ZipFile 需要一个类似文件的对象，因此您可以使用 StringIO 将您从嵌套 zip 中读取的数据转换为这样的对象。 需要注意的是，您将把完整的（仍然压缩的）内部 zip 加载到内存中。

with zipfile.ZipFile('foo.zip') as z:
    with z.open('nested.zip') as z2:
        z2_filedata = cStringIO.StringIO(z2.read())
        with zipfile.ZipFile(z2_filedata) as nested_zip:
            print nested_zip.open('data.txt').read()

Answer 2

不幸的是，解压 zip 文件需要随机访问存档，而ZipFile方法（更不用说 DEFLATE 算法本身）只提供流。 因此，不解压缩嵌套的 zip 文件是不可能的。

Answer 3

这是我想出的一个函数。

def extract_nested_zipfile(path, parent_zip=None):
    """Returns a ZipFile specified by path, even if the path contains
    intermediary ZipFiles.  For example, /root/gparent.zip/parent.zip/child.zip
    will return a ZipFile that represents child.zip
    """

    def extract_inner_zipfile(parent_zip, child_zip_path):
        """Returns a ZipFile specified by child_zip_path that exists inside
        parent_zip.
        """
        memory_zip = StringIO()
        memory_zip.write(parent_zip.open(child_zip_path).read())
        return zipfile.ZipFile(memory_zip)

    if ('.zip' + os.sep) in path:
        (parent_zip_path, child_zip_path) = os.path.relpath(path).split(
            '.zip' + os.sep, 1)
        parent_zip_path += '.zip'

        if not parent_zip:
            # This is the top-level, so read from disk
            parent_zip = zipfile.ZipFile(parent_zip_path)
        else:
            # We're already in a zip, so pull it out and recurse
            parent_zip = extract_inner_zipfile(parent_zip, parent_zip_path)

        return extract_nested_zipfile(child_zip_path, parent_zip)
    else:
        if parent_zip:
            return extract_inner_zipfile(parent_zip, path)
        else:
            # If there is no nesting, it's easy!
            return zipfile.ZipFile(path)

这是我测试它的方法：

echo hello world > hi.txt
zip wrap1.zip hi.txt
zip wrap2.zip wrap1.zip
zip wrap3.zip wrap2.zip

print extract_nested_zipfile('/Users/mattfaus/dev/dev-git/wrap1.zip').open('hi.txt').read()
print extract_nested_zipfile('/Users/mattfaus/dev/dev-git/wrap2.zip/wrap1.zip').open('hi.txt').read()
print extract_nested_zipfile('/Users/mattfaus/dev/dev-git/wrap3.zip/wrap2.zip/wrap1.zip').open('hi.txt').read()

Answer 4

我使用 python 3.7.3

import zipfile
import io
with zipfile.ZipFile('all.zip') as z:
    with z.open('nested.zip') as z2:
        z2_filedata =  io.BytesIO(z2.read())
        with zipfile.ZipFile(z2_filedata) as nested_zip:
            print( nested_zip.open('readme.md').read())

Answer 5

这对我有用。 只需将此脚本与嵌套 zip 放在同一目录下即可。 它还将计算嵌套 zip 中的文件总数

import os

from zipfile import ZipFile


def unzip (path, total_count):
    for root, dirs, files in os.walk(path):
        for file in files:
            file_name = os.path.join(root, file)
            if (not file_name.endswith('.zip')):
                total_count += 1
            else:
                currentdir = file_name[:-4]
                if not os.path.exists(currentdir):
                    os.makedirs(currentdir)
                with ZipFile(file_name) as zipObj:
                    zipObj.extractall(currentdir)
                os.remove(file_name)
                total_count = unzip(currentdir, total_count)
    return total_count

total_count = unzip ('.', 0)
print(total_count)

Answer 6

对于那些正在寻找提取嵌套 zip 文件（任何级别的嵌套）并清理原始 zip 文件的函数的人：

import zipfile, re, os

def extract_nested_zip(zippedFile, toFolder):
    """ Unzip a zip file and its contents, including nested zip files
        Delete the zip file(s) after extraction
    """
    with zipfile.ZipFile(zippedFile, 'r') as zfile:
        zfile.extractall(path=toFolder)
    os.remove(zippedFile)
    for root, dirs, files in os.walk(toFolder):
        for filename in files:
            if re.search(r'\.zip$', filename):
                fileSpec = os.path.join(root, filename)
                extract_nested_zip(fileSpec, root)

Answer 7

我解决这个问题的方法是这样的，包括自分配对象：

import os
import re 
import zipfile
import pandas as pd
# import numpy as np
path = r'G:\Important\Data\EKATTE'

# DESCRIBE
archives = os.listdir(path)
archives = [ar for ar in archives if ar.endswith(".zip")]
contents = pd.DataFrame({'elec_date':[],'files':[]})
for a in archives:
    archive = zipfile.ZipFile( path+'\\'+a )
    filelist = archive.namelist()
    # archive.infolist()
    for i in archive.namelist():
        if re.match('.*zip', i):
            sub_arch = zipfile.ZipFile(archive.open(i))
            sub_names = [x for x in sub_arch.namelist()]
            for s in sub_names:
                exec(f"{s.split('.')[0]} = pd.read_excel(sub_arch.open(s), squeeze=True)")

存档可以在保加利亚国家统计局页面（直接链接）上找到： https : //www.nsi.bg/sites/default/files/files/EKATTE/Ekatte.zip