Question

我有一个gzip压缩字符串，它是从另一个应用程序创建的。现在我有了字符串（没有连接mimetype或标题），我需要解压缩它。

有没有办法在Python中执行此操作？

[编辑]为了测试我字面上复制然后将字符串粘贴到记事本中，然后重命名为.gz我还通过将字符串本身粘贴到IDLE来测试

我见过的其他例子假设文件类型和mimetype都可用，我所拥有的只是一个大字符串。

使用zlib.decompress(mystring)会出现错误Error -3 while decompressing data: incorrect header check

Answer 1

通过@reclosedev确认评论，并添加更多内容：

]之后的字节需要进行base64解码。

结果是，有4个字节构成解压缩数据的长度，作为32位小端二进制数。其余部分是符合RFC-1952的gzip流，可以从1F 8B 08开始识别。解压缩结果看起来像二进制数据，而不是ASCII 1和0的字符串。

代码：

lines = [
    # extracted from the linked csv file 
    "[133,120,696,286]MmEAAB+LCAAAAAAABADtvQdg [BIG snip] a0bokyYQAA",
    "[73,65,564,263]bkgAAB+LCAAAAAAABADtvQdgHE [BIG snip] kgAAA==",
    ]
import zlib, struct
for line in lines:
    print
    b64 = line.split(']')[1]
    raw = b64.decode('base64')
    print "unknown:", repr(raw[:4])
    print "unknown as 32-bit LE int:", struct.unpack("<I", raw[:4])[0]
    ungz = zlib.decompress(raw[4:], 31)
    print len(ungz), "bytes in decompressed data"
    print "first 100:", repr(ungz[:100])

输出：

unknown: '2a\x00\x00'
unknown as 32-bit LE int: 24882
24882 bytes in decompressed data
first 100: '\xff\xe0\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00
\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00
\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00
\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00
\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\xff\xff\xf0\x00\x00\x00\x00\x00\x00\x00
\x00\x00\x00'

unknown: 'nH\x00\x00'
unknown as 32-bit LE int: 18542
18542 bytes in decompressed data
first 100: '\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x7f\xff\xff\xff\xff
\xff\xff\xff\xff\xff\xff\xff\xff\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00
\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00
\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00
\x00\x00\x00\x00\x07\xff\xff\xff\xff\xff\xff\xff\xff\xff\xff\xff\xff\xff\xff\x80
\x00\x00\x00'

更新以回应评论

要获得我需要的1和0，我只是将其添加到上面的中 cleaning = bin（int（binascii.hexlify（ungz），16））

“只是”？您需要从前面剥离'0b'，然后根据需要使用尽可能多的前导零填充前面，以使长度为8的倍数。示例，使用更好的方法：

>>> import binascii
>>> ungz = '\x01\x80'
>>> bin(int(binascii.hexlify(ungz), 16))
'0b110000000'
>>> ''.join('{0:08b}'.format(ord(x)) for x in ungz)
'0000000110000000'

您是否仔细检查过以确保您确实需要'0000000110000000'而不是'1000000000000001'？

如何读取没有标题或mimetype的Gzip字符串？使用Python

1 个答案: