如何从 .gz 存档中获取原始文件的名称？

Question

我正在编写一个实用程序，它获取 .gz 存档并检查其内容是否已存在于指定文件夹中。如果他们不这样做，它将在那里提取存档。

我计划这样做的方法是一个一个地读取 .gz 存档中文件的文件名，并检查我的目录中是否已经存在这样的文件。但据我所知，gzip 是不可能的。

理想情况下，我正在寻找这样的东西：

archive = gzipfile.GzipFile(source)

    for i in archive.getmembers():
        if os.path.isfile(destination + sep + i.name) and overwrite:
        ...

这可能吗？

Answer 1

import tarfile

archive = tarfile.open(source)
for i in archive.getmembers():
    ...

Answer 2

.gz 文件不是存档，它只是被压缩了。如果你有一个 .tar.gz 文件，你可以使用 tarfile.

Answer 3

虽然 .gz 文件确实只是一个压缩文件，但可以截断原始文件名，或者实际上可以重命名压缩的 .gz 文件。可以告诉 gunzip 使用 -N 标志提供原始文件名，如果与 -l（减去小写 L）一起使用，它将告诉您原始文件名而不解压缩文件。
例如：

$ gzip sometext.txt
$ mv sometext.txt.gz othertext.gz
$ gunzip -Nl othertext.gz
         compressed        uncompressed  ratio uncompressed_name
                 58                 113  76.1% sometext.txt

您也可以在 python 中破解此问题。

from subprocess import check_output
size_name = check_output(['gunzip', '-Nlq','othertext.gz'])
size_name = size_name.strip().split("%",1)
print "original filename =",size_name[1].strip()

结果：

original filename = sometext.txt

我不相信 python gzip 包允许您访问原始文件名。
其他人可能知道不同！

Answer 4

添加到已接受的答案中：

至少 CPython 的 gzip 不会公开文件名元数据，因为它 simply discards it 正如您在检查源代码时所看到的那样。

但是，gzip 文件格式（在 RFC 1952 中指定）或至少它的元数据很容易手动解析：

import struct

def getGzipName(path):
    with open(path, 'rb') as file:
        id1, id2, compression, flags, mtime, extraFlags, osId = struct.unpack('<BBBBLBB', file.read(10))
        if id1 != 0x1F or id2 != 0x8B or compression != 0x08:
            return None

        # Extra Field (e.g. used by bgzip to store the length of the compressed block)
        if flags & ( 1 << 2 ) != 0:
            file.read(struct.unpack('<U', file.read(2))[0])

        # File Name Field
        if flags & ( 1 << 3 ) != 0:
            name = b''
            c = file.read(1)
            while c != b'[=10=]':
                name += c
                c = file.read(1)
            return name.decode()

    return None

请注意，理论上 gzip 可以用作存档格式，因为它确实支持存储原始文件名，这可能用于存储路径，并且因为多个 gzip 流（所有具有不同文件名的文件）允许相互连接。然而，即使 gzip 工具也不支持这种奇异的 gzip 文件，即使使用 --name 选项也是如此。它会简单地将第二个 gzip 流的数据连接到第一个 gzip 流的原始文件名。

如何从 .gz 存档中获取原始文件的名称？

How to get the name of the original file from a .gz archive?

python

gzip