使用zipfile庫

查看 官方中文文檔

利用 Python 壓縮 ZIP 文件，我們第一反應(yīng)是使用 zipfile 庫，然而，它的官方文檔中卻明確標(biāo)注“此模塊目前不能處理分卷 ZIP 文件”，(⊙﹏⊙)

折騰經(jīng)過

翻遍了Google、CSDN、Stackoverflow等平臺(tái)均未找到解決方案，最靠譜的是調(diào)用外部解壓程序?qū)崿F(xiàn)分卷壓縮的功能。但是，如何不依靠外部程序?qū)崿F(xiàn)這個(gè)功能呢？？

于是乎，只能自己慢慢造輪子?？粗?ZIP 格式開發(fā)商留下的文檔 ZIP File Format Specification，頭疼?。?；´д｀）。于是我拿著 WinHex 開始16進(jìn)制一個(gè)一個(gè)文件對比 WinRar 創(chuàng)建的分卷壓縮和單個(gè) zip 文件的差異。最后還真的整出來了(￣▽￣)"

如果想把單個(gè)大文件 test.zip -> 分卷文件 test.z01、test.z02、test.zip

首先，在創(chuàng)建的第一個(gè)分卷文件 test.z01的前面加上 \x50\x4b\x07\x08 這個(gè)是分卷壓縮的文件頭(header)，占4個(gè)字節(jié)。其實(shí)單個(gè)壓縮文件本身 header 就有這個(gè)了，而分卷壓縮的需要兩個(gè)emmm。之后便是從單個(gè)大壓縮文件文件test.zip中讀取 "一個(gè)分卷大小 -4 個(gè)字節(jié)"的數(shù)據(jù)，寫入test.z01中，如何接著讀取一個(gè)分卷大小的數(shù)據(jù)，寫入test.z02，以此類推，最后一個(gè)分卷文件名也是test.zip。

Python3的代碼實(shí)現(xiàn)

import os
import zipfile


def zip_by_volume(file_path, block_size):
  """zip文件分卷壓縮"""
  file_size = os.path.getsize(file_path) # 文件字節(jié)數(shù)
  path, file_name = os.path.split(file_path) # 除去文件名以外的path，文件名
  suffix = file_name.split('.')[-1] # 文件后綴名
  # 添加到臨時(shí)壓縮文件
  zip_file = file_path + '.zip'
  with zipfile.ZipFile(zip_file, 'w') as zf:
    zf.write(file_path, arcname=file_name)
  # 小于分卷尺寸則直接返回壓縮文件路徑
  if file_size <= block_size:
    return zip_file
  else:
    fp = open(zip_file, 'rb')
    count = file_size // block_size + 1
    # 創(chuàng)建分卷壓縮文件的保存路徑
    save_dir = path + os.sep + file_name + '_split'
    if os.path.exists(save_dir):
      from shutil import rmtree
      rmtree(save_dir)
    os.mkdir(save_dir)
    # 拆分壓縮包為分卷文件
    for i in range(1, count + 1):
      _suffix = 'z{:0>2}'.format(i) if i != count else 'zip'
      name = save_dir + os.sep + file_name.replace(str(suffix), _suffix)
      f = open(name, 'wb+')
      if i == 1:
        f.write(b'\x50\x4b\x07\x08') # 添加分卷壓縮header(4字節(jié))
        f.write(fp.read(block_size - 4))
      else:
        f.write(fp.read(block_size))
    fp.close()
    os.remove(zip_file)   # 刪除臨時(shí)的 zip 文件  
    return save_dir

if __name__ == '__main__':
  file = r"D:\Downloads\1.mp4"    # 原始文件
  volume_size = 1024 * 1024 * 100 # 分卷大小 100MB
  path = zip_by_volume(file, volume_size)
  print(path)   # 輸出分卷壓縮文件的路徑

缺點(diǎn)

該方法創(chuàng)建分卷壓縮的時(shí)候，需要先在磁盤創(chuàng)建一個(gè)臨時(shí)壓縮包，然后將其拆分，實(shí)際上會(huì)對磁盤寫入兩次，這就浪費(fèi)了時(shí)間。

當(dāng)然，我嘗試使用 ByteIO 進(jìn)行字節(jié)流的壓縮，但是這種方式需要先把文件讀入內(nèi)存，對于超級大的文件，這是不現(xiàn)實(shí)的，分分鐘內(nèi)存爆炸。

然后，我嘗試使用 io.pipe 的管道來處理，而 zipfile 壓縮需要提供一個(gè) file 或 file-like 對象，這個(gè)對象必須實(shí)現(xiàn) seek() 和 tell() 方法來回去寫入文件頭信息，然而管道流沒辦法seek回去修改數(shù)據(jù)。這里，參考了Python zipfile + os.pipe()探索記,屏蔽了 seek() 和 tell() 函數(shù)。但是，后面我分卷時(shí)需要指定讀取的字節(jié)數(shù)，這就需要這兩個(gè)函數(shù)。。。我大概知道為什么 zipfile 庫不支持創(chuàng)建分卷文件了〒▽〒

這個(gè)庫的作者也沒少掉頭發(fā)。。?，F(xiàn)在就將就一下，這樣用著吧。。。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。