通过内存中的tar存档来提取元数据？

Question

我需要在内存中提取/读取多个tar档案。问题是每个tar包含许多ZIP存档，每个包含唯一的XML文档。

所以每个tar的结构如下：tar - ＆gt; directories-＆GT; ZIPs-＆GT; XML

显然我可以手动提取单个TAR，但我有大约1000个TAR存档，每个存档大约3 GB，每个包含大约6000个ZIP存档。我正在寻找一种方法来处理内存中的.tar存档并提取每个ZIP的XML数据。有没有办法做到这一点？

Answer 1

这应该是可行的，因为所有相关方法都有非磁盘相关的选项。

这里有很多循环，所以让我们深入挖掘。

对于每个tar存档：

• tarfile.open将打开tar存档。 （Docs）
• 在生成的.getmembers实例上调用TarFile以获取存档中包含的zip文件（或其他文件）列表。 （Docs）

对于tar档案中的每个zip：

• 一旦您知道要查看的成员文件（即您的一个拉链），请在.extractfile实例上调用TarFile以获取该zip文件的文件对象。 （Docs）
• 使用您的文件对象实例化新zipfile.ZipFile以打开zip，以便您可以使用它。 （Docs）
• 在.infolist实例上调用ZipFile以获取其包含的文件列表（包括您的XML文件）。 （Docs）

对于zip中的每个XML文件：

• 在.open实例上调用ZipFile，以获取其中一个XML文件的文件对象。 （Docs）
• 您现在拥有一个与您的某个XML文件对应的文件对象。用它做任何你想做的事：.read它，把它复制到某个地方的磁盘上，贴在ElementTree（docs）等等。