是否可以在没有完全下载的情况下了解网站上的内部存档内容？ 例如，我想知道里面有pdf文件的位置。如果是的话，我会下载这样的zip / rar，如果没有 - 我会跳过它。 那么，是否可以获得存档的一小部分并解压缩文件夹/文件结构？
答案 0 :(得分：2)
是的，这是可能的，但我认为这还取决于您下载的服务器。您需要使HTTP range requests获取您要求的数据。
对于ZIP文件，您需要获取文件末尾的所有中央目录记录。您可以通过获取足够的最后数据并查找中心目录记录结束（EOCD）来完成此操作。如果没有注释，这应该是以0x06054b50开头的最后22个字节。此记录相对于归档的开头具有中心目录开始位置的偏移量。然后，您确定是否已在第一次抓取中下载了所有数据，或者是否需要再次抓取更多数据。之后，您只需要解释中心目录文件头，看看ZIP中是否有PDF文件。有关文件格式的信息可以在Wikipedia page或其中一个参考文献中找到。
对RAR文件执行相同操作将更加困难，因为没有一个地方可以从中获取所有元数据。您需要检查遍布RAR的文件头块。如果文件只有一个归档文件，您可以抓住前X个字节并检查。请查看RAR TechNote.txt，了解如何解析RAR文件。
我为RAR文件做了同样的事情，但后来基于NZB文件从Usenet完成。生成的RAR元数据收集在SRR file内。您可以在pyReScene项目中找到该代码和其他与RAR相关的代码。从HTTP执行相同操作会更容易，因为您可以忽略yEnc编码内容，并且可以更精确地选择字节范围。
答案 1 :(得分：0)
除非您可以在远程站点上执行命令。如果你可以ssh你可以运行更少的东西或解压缩标志不解压缩，但只是得到你可以grep的输出。
我怀疑你在做什么，你必须下载它并在本地做，但我可以站得更正。
它的价值，一旦下载，你可以偷看它而不解压缩它
例如
unzip -l zipfile
要么
less zipfile