Question

我正处于Python的第二周，我被困在一个压缩/解压缩的日志文件目录中，我需要解析和处理它。

目前我正在这样做：

import os
import sys
import operator
import zipfile
import zlib
import gzip
import subprocess

if sys.version.startswith("3."):
    import io
    io_method = io.BytesIO
else:
    import cStringIO
    io_method = cStringIO.StringIO

for f in glob.glob('logs/*'):
    file = open(f,'rb')        
    new_file_name = f + "_unzipped"
    last_pos = file.tell()

    # test for gzip
    if (file.read(2) == b'\x1f\x8b'):
        file.seek(last_pos)

    #unzip to new file
    out = open( new_file_name, "wb" )
    process = subprocess.Popen(["zcat", f], stdout = subprocess.PIPE, stderr=subprocess.STDOUT)

    while True:
      if process.poll() != None:
        break;

    output = io_method(process.communicate()[0])
    exitCode = process.returncode


    if (exitCode == 0):
      print "done"
      out.write( output )
      out.close()
    else:
      raise ProcessException(command, exitCode, output)

我使用这些SO答案（here）和博客帖子（here）“拼接”在一起

然而，它似乎不起作用，因为我的测试文件是2.5GB并且脚本已经咀嚼它10 +分钟加上我不确定我正在做的事情是否正确无论如何。

问题：
如果我不想使用GZIP模块并且需要逐块解压缩（实际文件大于10GB），如何使用Python中的zcat和子进程解压缩并保存到文件？

谢谢！

Answer 1

这应该读取logs子目录中每个文件的第一行，根据需要解压缩：

#!/usr/bin/env python

import glob
import gzip
import subprocess

for f in glob.glob('logs/*'):
  if f.endswith('.gz'):
    # Open a compressed file. Here is the easy way:
    #   file = gzip.open(f, 'rb')
    # Or, here is the hard way:
    proc = subprocess.Popen(['zcat', f], stdout=subprocess.PIPE)
    file = proc.stdout
  else:
    # Otherwise, it must be a regular file
    file = open(f, 'rb')

  # Process file, for example:
  print f, file.readline()

如何使用zcat测试gzip文件目录并在Python中解压缩gzip文件？

1 个答案: