Python 读取tarfile中的大文件头（~9GB），而不进行完全提取

我有~1GB*.tbz文件。每个文件中都有一个~9GB的文件。我只需要读取这个文件的头，前1024个字节

我希望这能尽快完成，因为我有数百个1GB的文件要处理。提取大约需要1m30秒

我尝试使用完全提取：

tar = tarfile.open(fn, mode='r|bz2')
for item in tar:
    tar.extract(item)

和

tarfile.getmembers（）

但没有速度提升：

tar = tarfile.open(fn, mode='r|bz2')
for member in tar.getmembers():
    f = tar.extractfile(member)
    headerbytes = f.read(1024)
    headerdict = parseHeader(headerbytes)

getmembers（）

方法一直在那里使用

---

有什么方法可以做到这一点吗？

如果您确定每个tar归档文件只包含一个bz2文件，那么在第一次读取tar文件（当然不是其中包含的bz2文件）时，您可以跳过前512个字节，因为tar文件格式有一个填充的（固定大小）头，然后存储“真实”内容

简单的

f.seek(512)

---

不要在getmembers（）上循环。我认为应该使用标准库

bz2

接口

.tbz

是使用

-j

选项压缩的

tar

文件的文件扩展名，用于指定

bzip2

格式

正如注释中指出的，您可以将文件作为打开，并使用

seek

和

read

：

读取（[大小]）

读取最大大小的未压缩字节，返回为 一串如果size参数为负数或省略，请一直读取，直到EOF为 达到

寻道（偏移量[从何处]）

移动到新文件位置。参数偏移量是一个 字节计数

然后可以用函数解析它

headerdict = parseHeader(headerbytes)

---

您可以显示需要解析的示例标题吗？您可以使用

读取
块吗？您可能可以完全跳过
tar
部分。谢谢！成功了！你想发布一个完整的答案吗？f=bz2.bz2文件（fn）；f、 seek（512）；磁头字节=f.read（1024）；headerdict=parseHeader（headerbytes）谢谢！这是一个有用的答案，但不是一个完整的答案。谢谢你的完整答案塞巴斯蒂安@比尔斯首先领先。在你发布完整答案之前，我用他的评论解决了这个问题。我也想给他一些荣誉。你知道如何把他添加到你的答案中吗？
headerdict = parseHeader(headerbytes)