如何在python中压缩非常大的文件 [英] How to zip a very large file in python
本文介绍了如何在python中压缩非常大的文件的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我想使用python压缩几个可能达到约99 GB的文件。请使用zipfile库进行此操作的最有效方法是什么？这是我使用gcs.open（zip_file_name，'w'，content_type = b'application / zip'）的示例代码
）as f：
with zipfile.ZipFile（f，'w'）as z：
文件中的文件：
is_owner =（ is_page_allowed_to_visitor（page，visitor）或（file.owner_id == visitor.id））
如果is_owner：
file.show = True
elif file.available_from：
if file.available_from> datetime.now（）：
file.show = False
elif file.available_to：
if file.available_to< datetime.now（）：
file.show = False
else：
file.show = True
if file.show：
file_name =/％s /％s％（gcs_store.get_bucket_name（），file.gcs_name）
gcs_reader = gcs.open（file_name，'r'）
z.writestr（'％s-％s'％（file.created_on，file.name），gcs_reader.read（））
gcs_reader.close（）
f.close（）#closing zip文件
需要注意的几点：
1）我使用谷歌应用引擎来托管这些文件，所以我不能使用zipfile.write（）方法。我只能以字节获得文件内容。
预先致谢
我已经为 zipfile 库添加了一个新方法。这个增强的zipfile库是开源的，可以在github上找到（ EnhancedZipFile ）。我从 zipfile.write（）方法和 zipfile.writestr（）方法中添加了一个新方法
def writebuffered（zinfo_or_arcname，file_pointer，file_size，compress_type = None） ZipInfo）：
zinfo = ZipInfo（filename = zinfo_or_arcname，
date_time = time.localtime（time.time（））[：6]）
zinfo.compress_type = self。如果zinfo.filename [-1] =='/'则压缩
：
zinfo.external_attr = 0o40775<< 16＃drwxrwxr-x
zinfo.external_attr | = 0x10＃MS-DOS目录标志
else：
zinfo.external_attr = 0o600<< 16＃？rw -------
else：
zinfo = zinfo_or_arcname
zinfo.file_size = file_size＃未压缩大小
zinfo.header_offset = self。 fp.tell（）＃头字节开头
self._writecheck（zinfo）
self._didModify = True
fp = file_pointer
＃必须覆盖CRC和大小以后有正确的数据
zinfo.CRC = CRC = 0
zinfo.compress_size = compress_size = 0
＃压缩大小可以大于未压缩大小
zip64 = self._allowZip64和\\ \\
zinfo.file_size * 1.05> ZIP64_LIMIT
self.fp.write（zinfo.FileHeader（zip64））
如果zinfo.compress_type == ZIP_DEFLATED：
cmpr = zlib.compressobj（zlib.Z_DEFAULT_COMPRESSION，
zlib。 DEFLATED，-15）
else：
cmpr = None
file_size = 0
while 1：
buf = fp.read（1024 * 8）
如果不是buf：
break
file_size = file_size + len（buf）
CRC = crc32（buf，CRC）& 0xffffffff
如果cmpr：
buf = cmpr.compress（buf）
compress_size = compress_size + len（buf）
self.fp.write（buf）
if cmpr：
buf = cmpr.flush（）
compress_size = compress_size + len（buf）
self.fp.write（buf）
zinfo.compress_size = compress_size
其他：
zinfo.compress_size = file_size
zinfo.CRC = CRC
zinfo.file_size = file_size
如果不是zip64和self._allowZip64：
if file_size > ZIP64_LIMIT：
raise RuntimeError（'压缩时文件大小增加'）
如果压缩大小>> ZIP64_LIMIT：
提高RuntimeError（'压缩大小大于未压缩大小'）
＃向后寻找并写入文件头（现在包含
＃正确的CRC和文件大小）
位置= self.fp.tell（）＃保留文件
中的当前位置self.fp.flush（）
self.filelist.append（zinfo）
self.NameToInfo [zinfo.filename] = zinfo
注意事项
- 我是python的新手，所以我上面写的代码可能不是非常优化的。
- 请在这里贡献github上的项目< a href =https://github.com/najela/EnhancedZipFile =nofollow> https://github.com/najela/EnhancedZipFile
I would like to zip a couple of files that may amount to about 99 GB using python. Please what is the most efficient way to do this using the zipfile library. This is a sample code I have
with gcs.open(zip_file_name, 'w', content_type=b'application/zip') as f:
with zipfile.ZipFile(f, 'w') as z:
for file in files:
is_owner = (is_page_allowed_to_visitor(page, visitor) or (file.owner_id == visitor.id) )
if is_owner:
file.show = True
elif file.available_from:
if file.available_from > datetime.now():
file.show = False
elif file.available_to:
if file.available_to < datetime.now():
file.show = False
else:
file.show = True
if file.show:
file_name = "/%s/%s" % (gcs_store.get_bucket_name(), file.gcs_name)
gcs_reader = gcs.open(file_name, 'r')
z.writestr('%s-%s' %(file.created_on, file.name), gcs_reader.read() )
gcs_reader.close()
f.close() #closing zip file
Some points to note:
1) I am using the google app engine to host the files so I cannot use the zipfile.write() method. I can only get the file contents in bytes.
Thanks in advance
解决方案
I have added a new method to the zipfile library. This enhanced zipfile library is open source and can be found on github (EnhancedZipFile). I added a new method with the inspiration from the zipfile.write() method and the zipfile.writestr()method
def writebuffered(self, zinfo_or_arcname, file_pointer, file_size, compress_type=None):
if not isinstance(zinfo_or_arcname, ZipInfo):
zinfo = ZipInfo(filename=zinfo_or_arcname,
date_time=time.localtime(time.time())[:6])
zinfo.compress_type = self.compression
if zinfo.filename[-1] == '/':
zinfo.external_attr = 0o40775 << 16 # drwxrwxr-x
zinfo.external_attr |= 0x10 # MS-DOS directory flag
else:
zinfo.external_attr = 0o600 << 16 # ?rw-------
else:
zinfo = zinfo_or_arcname
zinfo.file_size = file_size # Uncompressed size
zinfo.header_offset = self.fp.tell() # Start of header bytes
self._writecheck(zinfo)
self._didModify = True
fp = file_pointer
# Must overwrite CRC and sizes with correct data later
zinfo.CRC = CRC = 0
zinfo.compress_size = compress_size = 0
# Compressed size can be larger than uncompressed size
zip64 = self._allowZip64 and \
zinfo.file_size * 1.05 > ZIP64_LIMIT
self.fp.write(zinfo.FileHeader(zip64))
if zinfo.compress_type == ZIP_DEFLATED:
cmpr = zlib.compressobj(zlib.Z_DEFAULT_COMPRESSION,
zlib.DEFLATED, -15)
else:
cmpr = None
file_size = 0
while 1:
buf = fp.read(1024 * 8)
if not buf:
break
file_size = file_size + len(buf)
CRC = crc32(buf, CRC) & 0xffffffff
if cmpr:
buf = cmpr.compress(buf)
compress_size = compress_size + len(buf)
self.fp.write(buf)
if cmpr:
buf = cmpr.flush()
compress_size = compress_size + len(buf)
self.fp.write(buf)
zinfo.compress_size = compress_size
else:
zinfo.compress_size = file_size
zinfo.CRC = CRC
zinfo.file_size = file_size
if not zip64 and self._allowZip64:
if file_size > ZIP64_LIMIT:
raise RuntimeError('File size has increased during compressing')
if compress_size > ZIP64_LIMIT:
raise RuntimeError('Compressed size larger than uncompressed size')
# Seek backwards and write file header (which will now include
# correct CRC and file sizes)
position = self.fp.tell() # Preserve current position in file
self.fp.flush()
self.filelist.append(zinfo)
self.NameToInfo[zinfo.filename] = zinfo
Points to note
- I am a newbie in python so the code I wrote above may not be very optimized.
- Please contribute to the project on github here https://github.com/najela/EnhancedZipFile
这篇关于如何在python中压缩非常大的文件的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
