Используя Python, как распаковать чисто в памяти? - PullRequest
Новая
       65

Используя Python, как распаковать чисто в памяти?

24 голосов
/ 14 января 2012

Я работаю в среде, где я ничего не могу сохранить на диск. Мне нужно иметь возможность извлекать файлы tar и разархивировать их без сохранения на диск. Это похоже на ошибку:

Я пробовал это, но он выбрасывает ошибки: 

# fetch.py
from cStringIO import StringIO
import requests
url = "http://example.com/data.tar.gz"
response = requests.get(url)

# ERROR is thrown here. Error shown below
tar = tarfile.open(mode= "r:gz", fileobj = StringIO(response.content))

# This SHOULD break as tar.extract() saves to disk. 
# Can't tell because of error on previous line of code.
data = tar.extract()

Как описано в блоке кода выше, я получаю следующую трассировку в строке ошибки: 

Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "./importers/bestbuy_fetcher.py", line 23, in download_bestbuy_batch
    tar = tarfile.open(mode= "r:gz", fileobj = StringIO(response.content))
  File "/System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/tarfile.py", line 1662, in open
    return func(name, filemode, fileobj, **kwargs)
  File "/System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/tarfile.py", line 1711, in gzopen
    **kwargs)
  File "/System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/tarfile.py", line 1689, in taropen
    return cls(name, mode, fileobj, **kwargs)
  File "/System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/tarfile.py", line 1568, in __init__
    self.firstmember = self.next()
  File "/System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/tarfile.py", line 2324, in next
    raise ReadError(str(e))
ReadError: invalid header

Ответы [ 4 ]

19 голосов
/ 14 января 2012

Я подозреваю, что ошибка говорит вам о неправильном формате файла tarfile.Попробуйте извлечь файл с помощью wget и распаковать его в командной строке.

Другой вопрос о том, как остановить Python при записи содержимого файла на диск, требует более внимательного изучения API tarfile.Вместо вызова TarFile.extract() я думаю, вам нужен getnames(), который будет возвращать имя каждого члена в файле tar.Затем вы можете использовать extractfile, чтобы получить содержимое этого члена: 

 |  extractfile(self, member)
 |      Extract a member from the archive as a file object. `member' may be
 |      a filename or a TarInfo object. If `member' is a regular file, a
 |      file-like object is returned. If `member' is a link, a file-like
 |      object is constructed from the link's target. If `member' is none of
 |      the above, None is returned.
 |      The file-like object is read-only and provides the following
 |      methods: read(), readline(), readlines(), seek() and tell()

Вот пример: 

import tarfile    

# Open tarfile
tar = tarfile.open(mode="r:gz", fileobj = file('foo.tgz'))

# Iterate over every member
for member in tar.getnames():
    # Print contents of every file
    print tar.extractfile(member).read()
11 голосов
/ 14 января 2012

Оказывается, проблема заключалась в том, что файл " data.tar.gz не был архивом tar. Просто сжатый gzip файл. Поэтому я решил это с помощью: 

# fetch.py
from cStringIO import StringIO
import gzip
import requests
# Called a 'tar' file but actually a gzip file. @#$%!!!
url = "http://example.com/data.tar.gz"
response = requests.get(url)

results = gzip.GzipFile(fileobj=StringIO(response.content))

Спасибо всем, кто помог принять участие!

8 голосов
/ 14 января 2012

Вы можете попробовать то, что мы сделали при работе с запросами + tar: Используйте | Режим, чтобы открыть файл. Подробнее см. http://docs.python.org/library/tarfile.html#tarfile.open.

Вы можете увидеть код на https://github.com/djeese/djeese-client/blob/master/djeese/commands/clonestatic.py#L53

Обычно вы открываете tar-файл, используя tarfile.open(mode='r|gz', fileobj=response.raw).

Это прекрасно сработало для нас и, надеюсь, тоже для вас.

2 голосов
/ 14 января 2012

Это должно помочь 

import sys
import zipfile
sys.argv[0] = "/home/tom/Documents/REdata/AllListing1RES.zip"
zip_file    = zipfile.ZipFile(sys.argv[0])
items_file  = zip_file.open('AllListing1RES.txt', 'rU')
df = read_table(items_file, sep='\t', index_col=0)
...