Question

我正在尝试使用python从压缩文件bz2中读取特定文件。

tar = tarfile.open(filename, "r|bz2", bufsize=57860311)

for tarinfo in tar:
    print tarinfo.name, "is", tarinfo.size, "bytes in size and is",
    if tarinfo.isreg():
        print "a regular file."
        # read the file
        f = tar.extractfile(tarinfo)
        #print f.read()
    elif tarinfo.isdir():
        print "a directory."
    else:
        print "something else."
tar.close()

但是最后我得到了错误：

/usr/local/Cellar/python@2/2.7.15_1/Frameworks/Python.framework/Versions/2.7/lib/python2.7/tarfile.pyc in read(self, size)
    577             buf = "".join(t)
    578         else:
--> 579             buf = self._read(size)
    580         self.pos += len(buf)
    581         return buf

/usr/local/Cellar/python@2/2.7.15_1/Frameworks/Python.framework/Versions/2.7/lib/python2.7/tarfile.pyc in _read(self, size)
    594                 break
    595             try:
--> 596                 buf = self.cmp.decompress(buf)
    597             except IOError:
    598                 raise ReadError("invalid compressed data")

EOFError: end of stream was already found

我还试图通过'tar.list（）'再次列出tar中的文件...

-rwxr-xr-x lindauer/or3uunp          0 2013-05-21 00:58:36 r3.2/
-rw-r--r-- lindauer/or3uunp       6057 2012-01-05 14:41:00 r3.2/readme.txt
-rw-r--r-- lindauer/or3uunp      44732 2012-01-04 10:08:54 r3.2/psychometric.csv
-rw-r--r-- lindauer/or3uunp   57860309 2012-01-04 09:58:20 r3.2/logon.csv

/usr/local/Cellar/python@2/2.7.15_1/Frameworks/Python.framework/Versions/2.7/lib/python2.7/tarfile.pyc in _read(self, size)
    594                 break
    595             try:
--> 596                 buf = self.cmp.decompress(buf)
    597             except IOError:
    598                 raise ReadError("invalid compressed data")

EOFError: end of stream was already found

我使用tar命令列出了存档中的文件。结果如下：

tar -tvf r3.2.tar.bz2
drwxr-xr-x  0 lindauer or3uunp     0 May 21  2013 r3.2/
-rw-r--r--  0 lindauer or3uunp  6057 Jan  5  2012 r3.2/readme.txt
-rw-r--r--  0 lindauer or3uunp 44732 Jan  4  2012 r3.2/psychometric.csv
-rw-r--r--  0 lindauer or3uunp 57860309 Jan  4  2012 r3.2/logon.csv
-rw-r--r--  0 lindauer or3uunp 12494829865 Jan  5  2012 r3.2/http.csv
-rw-r--r--  0 lindauer or3uunp  1066622500 Jan  5  2012 r3.2/email.csv
-rw-r--r--  0 lindauer or3uunp   218962503 Jan  5  2012 r3.2/file.csv
-rw-r--r--  0 lindauer or3uunp    29156988 Jan  4  2012 r3.2/device.csv
drwxr-xr-x  0 lindauer or3uunp           0 May 20  2013 r3.2/LDAP/
-rw-r--r--  0 lindauer or3uunp      140956 Jan  4  2012 r3.2/LDAP/2011-01.csv
-rw-r--r--  0 lindauer or3uunp      147370 Jan  4  2012 r3.2/LDAP/2010-05.csv
-rw-r--r--  0 lindauer or3uunp      149221 Jan  4  2012 r3.2/LDAP/2010-02.csv
-rw-r--r--  0 lindauer or3uunp      141717 Jan  4  2012 r3.2/LDAP/2010-12.csv
-rw-r--r--  0 lindauer or3uunp      148931 Jan  4  2012 r3.2/LDAP/2010-03.csv
-rw-r--r--  0 lindauer or3uunp      147370 Jan  4  2012 r3.2/LDAP/2010-04.csv
-rw-r--r--  0 lindauer or3uunp      149793 Jan  4  2012 r3.2/LDAP/2009-12.csv
-rw-r--r--  0 lindauer or3uunp      143979 Jan  4  2012 r3.2/LDAP/2010-09.csv
-rw-r--r--  0 lindauer or3uunp      145591 Jan  4  2012 r3.2/LDAP/2010-07.csv
-rw-r--r--  0 lindauer or3uunp      139444 Jan  4  2012 r3.2/LDAP/2011-03.csv
-rw-r--r--  0 lindauer or3uunp      142347 Jan  4  2012 r3.2/LDAP/2010-11.csv
-rw-r--r--  0 lindauer or3uunp      138285 Jan  4  2012 r3.2/LDAP/2011-04.csv
-rw-r--r--  0 lindauer or3uunp      149793 Jan  4  2012 r3.2/LDAP/2010-01.csv
-rw-r--r--  0 lindauer or3uunp      146008 Jan  4  2012 r3.2/LDAP/2010-06.csv
-rw-r--r--  0 lindauer or3uunp      144711 Jan  4  2012 r3.2/LDAP/2010-08.csv
-rw-r--r--  0 lindauer or3uunp      137967 Jan  4  2012 r3.2/LDAP/2011-05.csv
-rw-r--r--  0 lindauer or3uunp      140085 Jan  4  2012 r3.2/LDAP/2011-02.csv
-rw-r--r--  0 lindauer or3uunp      143420 Jan  4  2012 r3.2/LDAP/2010-10.csv
-r--r--r--  0 lindauer or3uunp        3923 Jan  4  2012 r3.2/license.txt

我认为这是由于档案库包含子文件夹，并且由于某些原因python库在处理子文件夹提取时存在问题？

我也尝试过手动打开tar文件，但没有问题，所以我认为文件未损坏。任何帮助表示赞赏。

Answer 1

评论：我尝试了debug = 3并得到：ReadError：错误的校验和

找到了以下相关信息：

tar: directory checksum error

原因
  来自tar（1）的此错误消息表示目录及其从磁带中读取的文件的校验和与标题块中公布的校验和不匹配。通常，此消息指示错误的阻止因素，尽管它可能指示磁带上的数据已损坏。
  动作
  要解决此问题，请确保您在命令行上（在-b之后）指定的阻塞因子与最初指定的阻塞因子匹配。如有疑问，请忽略块大小，并让tar（1）自动确定它。如果该补救措施无济于事，则磁带数据可能已损坏。

SE:tar-ignore-or-fix-checksum
  我尝试使用-i开关来查看是否可以忽略以及有关EOF的消息。
 -i, --ignore-zeros         ignore zeroed blocks in archive (means EOF)
示例
 $ tar xivf backup.tar
bugs.python.org:tarfile-headererror
tarfile.py中的注释为（不知道文件的日期！）：
-           # We shouldn't rely on this checksum, because some tar programs
-           # calculate it differently and it is merely validating the
-           # header block.

ReadError：数据意外结束

从tarfile Documentation

tarfile模块定义了以下异常：
   exception tarfile.ReadError
      在打开tar归档文件时引发，该归档文件无法由tarfile模块处理，或者由于某种原因无效。

首先，尝试使用另一个tar存档文件验证您的python环境。
其次，检查您的tar存档文件是否与以下格式匹配：

tarfile.DEFAULT_FORMAT

用于创建档案的默认格式。当前是GNU_FORMAT。

第三，而不是使用tarfile.open(...)来创建tarfile实例，请尝试使用以下内容来设置debug=3。

tar = tarfile.TarFile(name=filename, debug=3)
tar.open()
...

tarfile.TarFile类（name = None，mode ='r'，fileobj = None，format = DEFAULT_FORMAT，tarinfo = TarInfo，dereference = False，ignore_zeros = False，encoding = ENCODING，errors ='surrogateescape'，pax_headers =无，debug = 0，errorlevel = 0）

python压缩4Gb bz2 EOFError：已经找到流的末尾嵌套的子文件夹

1 个答案: