如何在不提取的情况下遍历包含zip文件的tar.gz文件

Question

我有一个大的tar.gz文件要使用python脚本进行分析。 tar.gz文件包含许多可能在其中嵌入其他.gz文件的zip文件。在提取文件之前，我想浏览压缩文件中的目录结构，以查看是否存在某些文件或目录。通过查看tarfile和zipfile模块，我没有看到任何允许我在tar.gz文件中获取zip文件内容表的现有函数。

感谢您的帮助，

Answer 1

如果不解压缩文件，就无法实现。但是，如果您不想，则无需将其提取到磁盘。您可以使用tarfile.TarFile.extractfile方法获取类似文件的对象，然后将其作为tarfile.open参数传递给fileobj。例如，给定这些嵌套的tarfiles：

$ cat bar/baz.txt     
This is bar/baz.txt.
$ tar cvfz bar.tgz bar
bar/
bar/baz.txt
$ tar cvfz baz.tgz bar.tgz
bar.tgz

您可以像这样访问内部文件：

>>> import tarfile
>>> baz = tarfile.open('baz.tgz')
>>> bar = tarfile.open(fileobj=baz.extractfile('bar.tgz'))
>>> bar.extractfile('bar/baz.txt').read()
'This is bar/baz.txt.\n'

并且它们只被提取到记忆中。

Answer 2

我怀疑这是不可能的，你必须手动编程。

.tar.gz文件首先是tar，然后连续使用基本上两个不同的应用程序进行gzip压缩。要访问tar文件，您可能首先必须取消gzip，

此外，一旦您在取消压缩后访问tar文件，它就不能很好地进行随机访问。 There is no central repository in the tar file that lists the contents.