[英]Read .tar.gz file in Python
我有一個 25GB 的文本文件。 所以我將它壓縮到 tar.gz 並變成了 450 MB。 現在我想從 python 讀取該文件並處理文本數據。為此我提到了問題。 但在我的情況下,代碼不起作用。 代碼如下:
import tarfile
import numpy as np
tar = tarfile.open("filename.tar.gz", "r:gz")
for member in tar.getmembers():
f=tar.extractfile(member)
content = f.read()
Data = np.loadtxt(content)
錯誤如下:
Traceback (most recent call last):
File "dataExtPlot.py", line 21, in <module>
content = f.read()
AttributeError: 'NoneType' object has no attribute 'read'
另外,還有其他方法可以完成此任務嗎?
文檔告訴我們,如果成員不是常規文件或鏈接,則extractfile()將返回None 。
一種可能的解決方案是跳過None結果:
tar = tarfile.open("filename.tar.gz", "r:gz")
for member in tar.getmembers():
f = tar.extractfile(member)
if f is not None:
content = f.read()
如果成員既不是文件也不是鏈接,則tarfile.extractfile()
可以返回None
。 例如,您的 tar 存檔可能包含目錄或設備文件。 修復:
import tarfile
import numpy as np
tar = tarfile.open("filename.tar.gz", "r:gz")
for member in tar.getmembers():
f = tar.extractfile(member)
if f:
content = f.read()
Data = np.loadtxt(content)
你可以試試這個
t = tarfile.open("filename.gz", "r")
for filename in t.getnames():
try:
f = t.extractfile(filename)
Data = f.read()
print filename, ':', Data
except :
print 'ERROR: Did not find %s in tar archive' % filename
您無法“讀取”某些特殊文件(例如鏈接)的內容,但 tar 支持它們並且 tarfile 可以正常提取它們。 當tarfile
提取它們時,它不會返回類似文件的對象而是 None。 你會得到一個錯誤,因為你的 tarball 包含這樣一個特殊的文件。
一種方法是在提取之前確定您正在處理的 tarball 中條目的類型:有了這些信息,您就可以決定是否可以“讀取”文件。 您可以通過調用tarfile.getmembers()
返回tarfile.TarInfo
來實現此tarfile.TarInfo
,其中包含有關 tarball 中包含的文件類型的詳細信息。
tarfile.TarInfo
類具有確定 tar 成員類型所需的所有屬性和方法,例如isfile()
或isdir()
或tinfo.islnk()
或tinfo.issym()
,然后相應地決定如何處理每個成員(提取與否等)。
例如,我使用這些來測試此修補 tarfile 中的文件類型,以跳過以特殊方式提取特殊文件和處理鏈接的過程:
for tinfo in tar.getmembers():
is_special = not (tinfo.isfile() or tinfo.isdir()
or tinfo.islnk() or tinfo.issym())
...
我的需求:
utf-8
文本文件和目錄組成。問題:
None
。extractfile(fname)
返回的是一個字節字符串(例如 b'Hello\\t\\xe4\\xbd\\xa0\\xe5\\xa5\\xbd')。 Unicode 字符顯示不正確。解決方案:
代碼:
with tarfile.open("sample.tar.gz", "r:gz") as tar:
for tarinfo in tar:
logger.info(f"{tarinfo.name} is {tarinfo.size} bytes in size and is: ")
if tarinfo.isreg():
logger.info(f"Is regular file: {tarinfo.name}")
f = tar.extractfile(tarinfo.name)
# To get the str instead of bytes str
# Decode with proper coding, e.g. utf-8
content = f.read().decode('utf-8', errors='ignore')
# Split the long str into lines
# Specify your line-sep: e.g. \n
lines = content.split('\n')
for i, line in enumerate(lines):
print(f"[{i}]: {line}\n")
elif tarinfo.isdir():
logger.info(f"Is dir: {tarinfo.name}")
else:
logger.info(f"Is something else: {tarinfo.name}.")
在 Jupyter notebook 中,你可以像下面這樣
!wget -c http://qwone.com/~jason/20Newsgroups/20news-bydate.tar.gz -O - | tar -xz
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.