我也尝试过：

Question

我有几个子文件夹，每个子文件夹都包含压缩的twitter文件。我希望python遍历这些子文件夹并将其转换为常规JSON文件。我有300多个子文件夹，每个子文件夹包含大约1000个或更多这些压缩文件。这些文件的示例名为： 00_activities.json.gz％3FAWSAccessKeyId = AKIAJADH5KHBJMUZOPEA＆Expires = 1404665927＆Signature =％2BdCn％252Ffn％2BFfRQhknWWcH％2BtnwlSfk％3D“

预先感谢

我尝试了下面的代码，只是看我是否可以提取其中一个文件，但没有一个起作用。

import zipfile
zip_ref = zipfile.ZipFile('E:/echoverse/Subdivided Tweets/Subdivided Tweets/Tweets-0', 'r')
zip_ref.extractall('E:/echoverse/Subdivided Tweets/Subdivided Tweets/Tweets-0/00_activities.json.gz%3FAWSAccessKeyId=AKIAJADH5KHBJMUZOPEA&Expires=1404665927&Signature=%2BdCn%252Ffn%2BFfRQhknWWcH%2BtnwlSfk%3D')
zip_ref.close()

我也尝试过：

import tarfile
tar = tarfile.open('E:/echoverse/Subdivided Tweets/Subdivided Tweets/Tweets-0/00_activities.json.gz%3FAWSAccessKeyId=AKIAJADH5KHBJMUZOPEA&Expires=1404665927&Signature=%2BdCn%252Ffn%2BFfRQhknWWcH%2BtnwlSfk%3D')
tar.extractall()
tar.close

这是我的第三次尝试（没有运气）：

import gzip
import json
with gzip.open('E:/echoverse/Subdivided Tweets/Subdivided Tweets/Tweets-0/00_activities.json.gz%3FAWSAccessKeyId=AKIAJADH5KHBJMUZOPEA&Expires=1404665927&Signature=%2BdCn%252Ffn%2BFfRQhknWWcH%2BtnwlSfk%3D'
, 'rb') as f:
    d = json.loads(f.read().decode("utf-8"))

堆栈溢出流还有另一个非常相似的威胁，但是我的问题不同，因为我的压缩文件最初是JSON，而当我使用最后一种方法时，会出现此错误：发生异常：json.decoder.JSONDecodeError 期望值：第1行第1列（字符0）

Answer 1

回答以下问题的简单脚本：它遍历，检查文件（fname）是否为gzip（因为我很愤世嫉俗，所以通过魔术数字）并将其解压缩。

import json
import gzip
import binascii
import os


def is_gz_file(filepath):
    with open(filepath, 'rb') as test_f:
        return binascii.hexlify(test_f.read(2)) == b'1f8b'


rootDir = '.'
for dirName, subdirList, fileList in os.walk(rootDir):
    for fname in fileList:
        filepath = os.path.join(dirName,fname)
        if is_gz_file(filepath):
            f = gzip.open(filepath, 'rb')
            json_content = json.loads(f.read())
            print(json_content)

经过测试，并且可以正常运行。

如何遍历并解压缩python中的“ .gz”文件？

我也尝试过：

这是我的第三次尝试（没有运气）：

1 个答案: