Question

我似乎记得Python gzip模块以前允许您透明地读取非gzip文件。这非常有用，因为它允许读取输入文件，无论它是否被gzip压缩。你根本不用担心它。

现在，我得到一个IOError异常（在Python 2.7.5中）：

   Traceback (most recent call last):
  File "tst.py", line 14, in <module>
    rec = fd.readline()
  File "/sw/lib/python2.7/gzip.py", line 455, in readline
    c = self.read(readsize)
  File "/sw/lib/python2.7/gzip.py", line 261, in read
    self._read(readsize)
  File "/sw/lib/python2.7/gzip.py", line 296, in _read
    self._read_gzip_header()
  File "/sw/lib/python2.7/gzip.py", line 190, in _read_gzip_header
    raise IOError, 'Not a gzipped file'
IOError: Not a gzipped file

如果有人有一个巧妙的技巧，我想听听它。是的，我知道如何捕获异常，但我发现首先读取一行，然后关闭文件并再次打开它是相当笨拙的。

Answer 1

对此最好的解决方案是使用类似https://github.com/ahupp/python-magic的libmagic。您根本无法避免至少读取标题来标识文件（除非您隐式信任文件扩展名）

如果你感觉斯巴达，识别gzip（1）文件的神奇数字是前两个字节是0x1f 0x8b。

In [1]: f = open('foo.html.gz')
In [2]: print `f.read(2)`
'\x1f\x8b'

gzip.open只是GzipFile的一个包装器，你可以有一个这样的函数，它只返回正确类型的对象，具体取决于源代码而不必打开文件两次：

#!/usr/bin/python

import gzip

def opener(filename):
    f = open(filename,'rb')
    if (f.read(2) == '\x1f\x8b'):
        f.seek(0)
        return gzip.GzipFile(fileobj=f)
    else:
        f.seek(0)
        return f

Answer 2

也许您正在考虑zless或zgrep，它会打开压缩或未压缩的文件而不会抱怨。

你能相信文件名以.gz结尾吗？

if file_name.endswith('.gz'):
    opener = gzip.open
else:
    opener = open

with opener(file_name, 'r') as f:
    ...

Answer 3

读取前四个字节。如果前三个是0x1f，0x8b，0x08，并且如果第四个字节的高三位是零，则从这四个字节开始激发gzip压缩。否则写出四个字节并继续透明读取。

你仍然应该有一个笨重的解决方案来支持它，所以如果gzip读取失败，那么备份并透明地读取。但是应该不太可能让前四个字节模仿gzip文件，但不能成为gzip文件。

Answer 4

您可以使用fileinput(files, openhook=fileinput.hook_compressed)

透明地迭代文件

Python gzip拒绝读取未压缩的文件

4 个答案: