Question

情况如下：

我从Amazon S3获取gzip xml文档

import boto
from boto.s3.connection import S3Connection
from boto.s3.key import Key
conn = S3Connection('access Id', 'secret access key')
b = conn.get_bucket('mydev.myorg')
k = Key(b)
k.key('documents/document.xml.gz')

我在文件中将其视为

import gzip
f = open('/tmp/p', 'w')
k.get_file(f)
f.close()
r = gzip.open('/tmp/p', 'rb')
file_content = r.read()
r.close()

问题

如何直接解压缩流并阅读内容？

我不想创建临时文件，它们看起来不太好。

Answer 1

是的，您可以使用zlib module解压缩字节流：

import zlib

def stream_gzip_decompress(stream):
    dec = zlib.decompressobj(32 + zlib.MAX_WBITS)  # offset 32 to skip the header
    for chunk in stream:
        rv = dec.decompress(chunk)
        if rv:
            yield rv

32个信号偏移到zlib标头，预期gzip标头被跳过。

S3密钥对象是一个迭代器，所以你可以这样做：

for data in stream_gzip_decompress(k):
    # do something with the decompressed data

Answer 2

我必须做同样的事情，这就是我做到的：

import gzip
f = StringIO.StringIO()
k.get_file(f)
f.seek(0) #This is crucial
gzf = gzip.GzipFile(fileobj=f)
file_content = gzf.read()

Answer 3

对于Python3x和boto3 -

所以我使用BytesIO将压缩文件读入缓冲区对象，然后我使用zipfile打开解压缩的流作为未压缩的数据，我能够逐行获取基准。

import io
import zipfile
import boto3
import sys

s3 = boto3.resource('s3', 'us-east-1')


def stream_zip_file():
    count = 0
    obj = s3.Object(
        bucket_name='MonkeyBusiness',
        key='/Daily/Business/Banana/{current-date}/banana.zip'
    )
    buffer = io.BytesIO(obj.get()["Body"].read())
    print (buffer)
    z = zipfile.ZipFile(buffer)
    foo2 = z.open(z.infolist()[0])
    print(sys.getsizeof(foo2))
    line_counter = 0
    for _ in foo2:
        line_counter += 1
    print (line_counter)
    z.close()


if __name__ == '__main__':
    stream_zip_file()

Answer 4

您可以尝试PIPE并阅读内容而无需下载文件

    import subprocess
    c = subprocess.Popen(['-c','zcat -c <gzip file name>'], shell=True, stdout=subprocess.PIPE,         stderr=subprocess.PIPE)
    for row in c.stdout:
      print row

另外“/ dev / fd /”+ str（c.stdout.fileno（））将为您提供FIFO文件名（命名管道），可以传递给其他程序。

Python解压缩字节流？

4 个答案: