如何使用gzip提取特定文件

Question

我剛剛下載了一個.gz 文件，其中包含很多文件夾和文件，其中包括一個包含德語句子的 .txt 文件。

url = 'https://pcai056.informatik.uni-leipzig.de/downloads/corpora/{}'
filename = 'deu-be_web_2013_10K.tar.gz'

with gzip.open(filename, 'wb') as gz:
    download_url = url.format(filename)
    r = requests.get(download_url)
    gz.write(r.content)

我只需要 .txt 文件，我想知道如果可能的話，我如何只能提取這個文件。 我設法做的就是讀取整個文件，然后將其寫入 .txt 文件，但它很亂，並且包含很多不需要的文本。

with gzip.open(path, 'rb') as gz, open('something.txt', 'wb') as f:
    content = gz.read()
    f.write(content)

Answer 1

這不僅僅是一個 .gz 文件。 它是一個 .tar.gz 文件，其中 tar 是一種將多個文件合並為一個文件的歸檔格式，而 gzip 用於壓縮該單個文件。 gzip 只能提取單個 tar 文件，但是您需要一些東西來解釋 tar 文件格式以提取其中包含的文件之一。

使用tarfile ，而不是 gzip。 用"r:gz"打開也會為你解壓。