使用 gzip 编码分块下载大文件 (Python 3.4)

Question

如果我请求一个文件并指定 gzip 编码，我该如何处理？

通常当我有一个大文件时，我会执行以下操作：

while True:
   chunk = resp.read(CHUNK)
   if not chunk: break
   writer.write(chunk)
   writer.flush()

其中 CHUNK 是以字节为单位的大小，writer 是一个 open() object，resp 是从 urllib 请求生成的请求响应。

所以大多数情况下，当响应 header 包含 'gzip' 作为返回编码时，这很简单，我会执行以下操作：

decomp = zlib.decompressobj(16+zlib.MAX_WBITS)
data = decomp.decompress(resp.read())
writer.write(data)
writer.flush()

或者这个：

f = gzip.GzipFile(fileobj=buf)
writer.write(f.read())

其中 buf 是一个 BytesIO()。

如果我尝试解压缩 gzip 响应，我会遇到问题：

while True:
   chunk = resp.read(CHUNK)
   if not chunk: break
   decomp = zlib.decompressobj(16+zlib.MAX_WBITS)
   data = decomp.decompress(chunk)
   writer.write(data)
   writer.flush()

有什么方法可以解压缩 gzip 数据，因为它会分成小块？还是我需要将整个文件写入磁盘，解压缩然后将其移动到最终文件名？我遇到的部分问题是，使用 32 位 Python，我可能会遇到内存不足的错误。

谢谢

Answer 1

我想我找到了一个我想分享的解决方案。

def _chunk(response, size=4096):
     """ downloads a web response in pieces """
    method = response.headers.get("content-encoding")
    if method == "gzip":
        d = zlib.decompressobj(16+zlib.MAX_WBITS)
        b = response.read(size)
        while b:
            data = d.decompress(b)
            yield data
            b = response.read(size)
            del data
    else:
        while True:
            chunk = response.read(size)
            if not chunk: break
            yield chunk

如果大家有更好的解决办法，欢迎补充。基本上我的错误是 zlib.decompressobj() 的创建。我在错误的地方创建它。

这似乎在 python 2 和 3 中都有效，所以有一个优点。

使用 gzip 编码分块下载大文件 (Python 3.4)

downloading a large file in chunks with gzip encoding (Python 3.4)

python

python-3.x

urllib2

urllib

chunked-encoding