在 Python 中解压缩 .bz2 文件

Posted 2023-03-06

【中文标题】在 Python 中解压缩 .bz2 文件

【英文标题】：Decompressing a .bz2 file in Python

【发布时间】：2009-08-09 05:01:42

【问题描述】：

所以，这是一个看似简单的问题，但我显然非常非常沉闷。我有一个从网页下载所有 .bz2 文件的小脚本，但由于某种原因，该文件的解压缩让我非常头疼。

我是一个Python新手，所以答案可能很明显，请帮助我。

在这部分脚本中，我已经有了文件，我只想将它读出到一个变量中，然后解压缩？是对的吗？我已经尝试了各种方法来做到这一点，我通常在这个 sn-p 的最后一行得到“ValueError：找不到流的结尾”错误。我试图打开 zipfile 并以无数种不同的方式将其写入字符串。这是最新的。

openZip = open(zipFile, "r")
s = ''
while True:
    newLine = openZip.readline()
    if(len(newLine)==0):
       break
    s+=newLine
    print s                   
    uncompressedData = bz2.decompress(s)

嗨，Alex，我应该列出我尝试过的所有其他方法，因为我尝试过 read() 方式。

方法一：

print 'decompressing ' + filename

fileHandle = open(zipFile)
uncompressedData = ''

while True:            
    s = fileHandle.read(1024)
    if not s:
        break
        print('RAW "%s"', s)
        uncompressedData += bz2.decompress(s)

        uncompressedData += bz2.flush()

        newFile = open(steamTF2mapdir + filename.split(".bz2")[0],"w")
        newFile.write(uncompressedData)
        newFile.close()   

我得到错误：

uncompressedData += bz2.decompress(s)
ValueError: couldn't find end of stream

方法 B

zipFile = steamTF2mapdir + filename
print 'decompressing ' + filename
fileHandle = open(zipFile)

s = fileHandle.read()
uncompressedData = bz2.decompress(s)

同样的错误：

uncompressedData = bz2.decompress(s)
ValueError: couldn't find end of stream

非常感谢您的及时回复。我真的把我的头撞在墙上，因为无法解压缩一个简单的 .bz2 文件而感到非常沉重。

顺便说一句，使用7zip手动解压，以确保文件没有问题或任何东西，并且解压正常。

【问题讨论】：

你真的尝试过 Alex 的建议吗？

【参考方案1】：

您正在打开和读取压缩文件，就像它是由行组成的文本文件一样。不！不是。

uncompressedData = bz2.BZ2File(zipFile).read()

似乎更接近您的目标。

编辑：OP 展示了他尝试过的更多东西（尽管我没有看到任何关于尝试过最佳方法的说明——我在上面推荐的单线！）但他们似乎都有一个共同点，我重复上面的关键位：

打开...压缩文件好像 它是一个文本文件......它不是。

open(filename) 甚至更明确的open(filename, 'r') 打开并读取一个文本文件——压缩文件是一个二进制文件，所以为了正确阅读它，您必须使用open(filename, 'rb') 打开它。 （（（我推荐的bz2.BZ2File当然知道它在处理压缩文件，所以没有必要再告诉它）。

在 Python 2.* 中，在 Unix-y 系统（即除 Windows 之外的所有系统）中，您可以随意使用 open（但在 Python 3.* 中则不能，因为文本是 Unicode , 而二进制是字节——不同的类型）。

在 Windows 中（以及在此之前的 DOS 中），区分始终是必不可少的，因为 Windows 的文本文件由于历史原因是特殊的（使用两个字节而不是一个字节来结束行，并且至少在某些情况下，取一个值'\0x1A'的字节作为文件的逻辑结尾），所以读写低级代码必须补偿。

所以我怀疑 OP 正在使用 Windows，并且正在为不小心使用 'rb' 选项（“读取二进制”）到内置的 open 付出代价。 （尽管bz2.BZ2File 仍然更简单，无论您使用什么平台！-)。

【讨论】：

嗨，Alex，感谢您的快速回复，请查看我的问题中针对您的评论进行的编辑。

所以这个方法的问题是，虽然它似乎解压得很好，但当我尝试运行它时，文件不知何故损坏了。当我使用 7zip 打开 .bz2 文件时，它运行良好。此外，正确提取的文件（使用 7zip）的大小为 948kb，而从我的脚本中提取的文件为 952KB。我完全感到困惑。

7zip 接受除 bz2 之外的许多其他格式，也许您的文件是其他格式之一。如果法律和隐私不妨碍这样做，把它放在一个公共 URL 上，给我 URL，我会让你知道它是什么格式以及如何解码它——没有手头的文件，基本上就是这样我做不到。

感谢您的所有帮助，Alex，抱歉在这里有点厚。这是有道理的，但是为什么 python bz2 库会解压缩文件呢？它不会抛出某种异常吗？我看看能不能找到放文件的地方（这不是违法的，它只是一个Team Fortress2地图文件（.bsp文件）的.bz2文件，但我不想把URL公开，因为它是我朋友的服务器托管它。如何检查 .bz2 文件是否实际上在 bz2 文件中？

但你说它确实引发了异常——ValueError！我相信你可以在bzip.org/downloads.html 下载一个仅限 bzip2 的可执行文件——如果该 exe 正确解码文件，我相信这应该证明它是一个 .bz2，反之亦然。

【参考方案2】：

openZip = open(zipFile, "r")

如果您在 Windows 上运行，您可能需要在此处输入 openZip = open(zipFile, "rb")，因为该文件可能包含 CR/LF 组合，而您不需要'不希望他们被翻译。

newLine = openZip.readline()

正如 Alex 指出的那样，这是非常错误的，因为“行”的概念对于压缩流来说是陌生的。

s = fileHandle.read(1024) [...] uncompressedData += bz2.decompress(s)

出于同样的原因，这是错误的。 1024 字节的块对解压器来说意义不大，因为它需要使用自己的块大小。

s = fileHandle.read() uncompressedData = bz2.decompress(s)

如果不行，我会说是我上面提到的换行翻译问题。

【讨论】：

谢谢，这很有帮助。

【参考方案3】：

这很有帮助。 在 Windows 打开时，2300 个文件中有 44 个给出了文件结尾丢失错误。 添加 b(inary) 标志来打开解决了这个问题。

for line in bz2.BZ2File(filename, 'rb', 10000000) :

效果很好。 （10M 是缓冲大小，适用于所涉及的大文件）

谢谢！