Question

在python 3中，我试图读取tar.gz归档文件中的文件而不提取它们（这意味着没有将提取文件写入磁盘）。我找到了tarfile模块，这就是我写的（非常简化）：

tar = tarfile.open('arhivename.tar.gz',encoding='utf-8')
for x in tar.getmembers():
    filelikeobject=tar.extractfile(x)
    #pass the filelikeobject to a third party function that accepts file-like object that read strings

    #the following lines are for debug:
    r=filelikeobject.read()
    print(type(r).__name__) #prints out 'bytes' - need 'str'

问题是，tar.extractfile（x）返回一个文件对象，该对象在调用read（）时返回字节。我需要它使用utf-8编码返回str

Answer 1

致电tarfile.open时，

tarfile.open('arhivename.tar.gz', encoding='utf-8')

encoding参数控制文件名的编码，而不控制文件内容的编码。 encoding参数控制文件内容的编码没有意义，因为tar文件中的不同文件可以不同地编码。因此，tar文件实际上只包含二进制数据。

您可以使用codecs模块中的UTF-8流阅读器将文件包装起来，从而对这些数据进行解码：

import codecs
utf8reader = codecs.getreader('utf-8')
for name in tar.getmembers():
    fp = utf8reader(tar.extractfile(name))

在不提取的情况下在python中读取* .tar.gz文件

1 个答案: