如何列出gz文件的内容而不在python中进行解压缩？

我有一个

.gz

文件，需要使用python获取其中的文件名

这个问题与

唯一的区别是我的文件是

.gz

而不是

.tar.gz

，所以

tarfile

库在这里对我没有帮助

我正在使用

请求

库请求URL。响应是一个压缩文件

这是我用来下载文件的代码

response = requests.get(line.rstrip(), stream=True)
        if response.status_code == 200:
            with open(str(base_output_dir)+"/"+str(current_dir)+"/"+str(count)+".gz", 'wb') as out_file:
                shutil.copyfileobj(response.raw, out_file)
            del response

例如，此代码下载名为

1.gz

的文件。现在，如果我使用归档管理器打开文件，文件将包含类似于

my_latest_data.json

我需要提取文件，输出为

my\u latest\u data.json

下面是我用来提取文件的代码

inF = gzip.open(f, 'rb')
outfilename = f.split(".")[0]
outF = open(outfilename, 'wb')
outF.write(inF.read())
inF.close()
outF.close()

---

outputfilename

变量是我在脚本中提供的字符串，但我需要真实的文件名（

my\u latest\u data.json

）

，因为Gzip不是存档格式

这本身就是一个有点垃圾的解释，所以让我比在评论中更详细地解释一下

它只是压缩

“只是一个压缩系统”意味着Gzip操作输入字节（通常来自文件）并输出压缩字节。您无法知道其中的字节是表示多个文件还是仅表示一个文件——它只是一个已压缩的字节流。例如，这就是为什么可以通过网络接受gzip数据。它的bytes\u in->bytes\u out

什么是舱单？

清单是存档中的标头，用作存档的目录。请注意，现在我使用的是术语“归档”，而不是“压缩的字节流”。存档意味着它是清单引用的文件或段的集合——压缩的字节流就是字节流

Gzip里面到底是什么？

对.gz文件内容的简化描述如下：

带有一个特殊数字的头，表示它的gzip、版本和时间戳（10字节）

可选标题；通常包括原始文件名（如果压缩目标是文件）

身体——一些压缩的有效载荷

末尾的CRC-32校验和（8字节）

就这样。没有舱单

另一方面，归档格式内部将有一个清单。这就是焦油图书馆的用武之地。Tar只是一种将一堆位塞进单个文件的方法，并在前面放置一个清单，让您知道原始文件的名称以及它们在连接到归档文件之前的大小。因此，

.tar.gz

非常普遍

有一些实用程序允许您一次解压缩gzip文件的一部分，或者只在内存中解压缩它，然后让您检查清单或其中可能包含的任何内容。但是任何清单的详细信息都是特定于其中包含的归档格式的

---

请注意，这与zip归档不同。Zip是一种存档格式，因此包含清单。Gzip是一个压缩库，就像bzip2和friends一样。

如另一个答案中所述，您的问题只有在去掉复数形式后才有意义：“我有一个

.gz

文件，我需要使用python获取其中的文件名。”

gzip头中可能有文件名，也可能没有文件名。gzip实用程序通常会忽略标题中的名称，并解压缩到一个与

.gz

文件同名的文件中，但将

.gz

剥离。例如，您的

1.gz

将解压缩为名为

1

的文件，即使标题中包含文件名

my_latest_data.json

。gzip的-N选项将使用头中的文件名（以及头中的时间戳）（如果有）。因此

gzip-dn1.gz

将创建文件

my_latest_data.json

，而不是

1

在Python中，可以通过手动处理头文件在头文件中找到文件名。您可以在中找到详细信息

验证前三个字节是否为

1f 8b 08

保存第四个字节。称之为

标志

。如果

flags&8

为零，则放弃——头中没有文件名

跳过接下来的六个字节

如果

标志&2

不是零，则跳过两个字节

如果

标志&4

不是零，则读取下两个字节。考虑到它们是以小尾端顺序排列的，从这两个字节中取一个整数，称之为

xlen

。然后跳过

xlen

字节

我们已经知道

flags&8

不是零，因此您现在在文件名处。读取字节，直到达到零字节。这些字节（不包括零字节）是文件名

---

注意：这个答案在Python 3中已经过时了

---

使用MarkAdler回复中的提示和对gzip模块的一些检查，我设置了这个函数，从gzip文件中提取内部文件名。我注意到GzipFile对象有一个名为_read_gzip_header（）的私有方法，它几乎可以获取文件名，所以我就是基于这个方法来做的

import gzip

def get_gzip_filename(filepath):
    f = gzip.open(filepath)
    f._read_gzip_header()
    f.fileobj.seek(0)
    f.fileobj.read(3)
    flag = ord(f.fileobj.read(1))
    mtime = gzip.read32(f.fileobj)
    f.fileobj.read(2)
    if flag & gzip.FEXTRA:
        # Read & discard the extra field, if present
        xlen = ord(f.fileobj.read(1))
        xlen = xlen + 256*ord(f.fileobj.read(1))
        f.fileobj.read(xlen)
    filename = ''
    if flag & gzip.FNAME:
        while True:
            s = f.fileobj.read(1)
            if not s or s=='\000':
                break
            else:
                filename += s
    return filename or None

但是您可以采用链接周围的代码来使用它做其他事情

如本页其他答案所述，此信息是可选的。但是，如果你需要查看它是否在那里，就不可能找回它

导入结构
def gzinfo（文件名）：
#从gzip.py第16行复制并粘贴
FTEXT，FHCRC，FEXTRA，FNAME，FCOMMENT=1,2,4,8,16
以fp形式打开（文件名为“rb”）：
#基本上是从GzipFile模块行429f复制+粘贴
魔法=fp.read（2）
如果magic==b“”：
返回错误
如果有魔法！=b'\037\213':
raise VALUERROR（'不是gzip文件（%r）'）%magic