Python 之压缩 zipfile 与解压缩 tarfile 模块的基本使用及原理
一、引言
在 Python 编程中，文件的压缩与解压缩是常见的操作需求。无论是为了节省磁盘空间、便于文件传输，还是对数据进行归档存储，都需要用到文件压缩与解压缩功能。Python 标准库提供了 zipfile 和 tarfile 两个模块，分别用于处理 ZIP 和 TAR 格式的压缩文件。zipfile 模块主要用于创建、读取和修改 ZIP 格式的压缩文件，而 tarfile 模块则用于处理 TAR 格式的文件，并且支持对 TAR 文件进行压缩（如 gzip、bz2 等压缩算法）和解压缩操作。本文将详细介绍这两个模块的基本使用方法以及背后的工作原理，通过丰富的源码示例和详细的注释，帮助读者全面掌握这两个模块的使用。
二、zipfile 模块
2.1 模块概述
zipfile 模块是 Python 标准库中用于处理 ZIP 格式压缩文件的工具。ZIP 是一种常见的压缩文件格式，广泛应用于各种操作系统和软件中。zipfile 模块提供了创建、读取、修改和删除 ZIP 文件中文件条目的功能，使得开发者可以方便地进行文件的压缩和解压缩操作。
2.2 导入模块
在使用 zipfile 模块之前，需要先将其导入到 Python 脚本中。可以使用以下代码完成导入：
import zipfile # 导入 zipfile 模块，用于后续的 ZIP 文件操作2.3 创建 ZIP 文件
2.3.1 简单创建 ZIP 文件
可以使用 zipfile.ZipFile() 函数创建一个新的 ZIP 文件，并向其中添加文件。
import zipfile# 定义 ZIP 文件的名称zip_file_name = 'example.zip'# 以写入模式打开一个新的 ZIP 文件with zipfile.ZipFile(zip_file_name, 'w') as zipf: # 要添加到 ZIP 文件中的文件路径 file_to_add = 'test.txt' # 将文件添加到 ZIP 文件中 zipf.write(file_to_add) print(f"成功将 {file_to_add} 添加到 {zip_file_name} 中。")在上述代码中，zipfile.ZipFile(zip_file_name, 'w') 以写入模式打开一个名为 example.zip 的新 ZIP 文件。zipf.write(file_to_add) 将 test.txt 文件添加到 ZIP 文件中。使用 with 语句可以确保在操作完成后自动关闭 ZIP 文件。
2.3.2 指定压缩级别创建 ZIP 文件
可以通过指定 compression 参数来选择不同的压缩级别。
import zipfile# 定义 ZIP 文件的名称zip_file_name = 'example_compressed.zip'# 以写入模式打开一个新的 ZIP 文件，并指定压缩方法为 ZIP_DEFLATEDwith zipfile.ZipFile(zip_file_name, 'w', compression=zipfile.ZIP_DEFLATED) as zipf: # 要添加到 ZIP 文件中的文件路径 file_to_add = 'test.txt' # 将文件添加到 ZIP 文件中 zipf.write(file_to_add) print(f"成功将 {file_to_add} 以压缩模式添加到 {zip_file_name} 中。")在这段代码中，compression=zipfile.ZIP_DEFLATED 指定使用 DEFLATED 压缩算法对文件进行压缩，从而减小 ZIP 文件的大小。
2.4 读取 ZIP 文件
2.4.1 查看 ZIP 文件中的文件列表
可以使用 namelist() 方法查看 ZIP 文件中包含的所有文件和文件夹的名称。
import zipfile# 定义要读取的 ZIP 文件的名称zip_file_name = 'example.zip'# 以只读模式打开 ZIP 文件with zipfile.ZipFile(zip_file_name, 'r') as zipf: # 获取 ZIP 文件中所有文件和文件夹的名称列表 file_list = zipf.namelist() print(f"{zip_file_name} 中的文件和文件夹列表:") for file in file_list: print(file)在上述代码中，zipf.namelist() 返回一个包含 ZIP 文件中所有文件和文件夹名称的列表，然后遍历该列表并打印每个名称。
2.4.2 读取 ZIP 文件中特定文件的内容
可以使用 read() 方法读取 ZIP 文件中特定文件的内容。
import zipfile# 定义要读取的 ZIP 文件的名称zip_file_name = 'example.zip'# 要读取的文件在 ZIP 文件中的名称file_to_read = 'test.txt'# 以只读模式打开 ZIP 文件with zipfile.ZipFile(zip_file_name, 'r') as zipf: # 读取指定文件的内容 file_content = zipf.read(file_to_read) print(f"{file_to_read} 的内容:") print(file_content.decode('utf-8'))在这段代码中，zipf.read(file_to_read) 读取 ZIP 文件中 test.txt 文件的内容，并将其存储在 file_content 变量中。由于读取的内容是字节类型，使用 decode('utf-8') 将其转换为字符串并打印。
2.5 解压缩 ZIP 文件
2.5.1 解压缩整个 ZIP 文件
可以使用 extractall() 方法将 ZIP 文件中的所有文件和文件夹解压缩到指定的目录中。
import zipfile# 定义要解压缩的 ZIP 文件的名称zip_file_name = 'example.zip'# 定义解压缩的目标目录extract_dir = 'extracted_files'# 以只读模式打开 ZIP 文件with zipfile.ZipFile(zip_file_name, 'r') as zipf: # 将 ZIP 文件中的所有文件和文件夹解压缩到指定目录 zipf.extractall(extract_dir) print(f"成功将 {zip_file_name} 解压缩到 {extract_dir} 中。")在上述代码中，zipf.extractall(extract_dir) 将 example.zip 文件中的所有内容解压缩到 extracted_files 目录中。
2.5.2 解压缩 ZIP 文件中的特定文件
可以使用 extract() 方法解压缩 ZIP 文件中的特定文件。
import zipfile# 定义要解压缩的 ZIP 文件的名称zip_file_name = 'example.zip'# 要解压缩的文件在 ZIP 文件中的名称file_to_extract = 'test.txt'# 定义解压缩的目标目录extract_dir = 'extracted_files'# 以只读模式打开 ZIP 文件with zipfile.ZipFile(zip_file_name, 'r') as zipf: # 解压缩指定文件到指定目录 zipf.extract(file_to_extract, extract_dir) print(f"成功将 {file_to_extract} 从 {zip_file_name} 解压缩到 {extract_dir} 中。")在这段代码中，zipf.extract(file_to_extract, extract_dir) 将 example.zip 文件中的 test.txt 文件解压缩到 extracted_files 目录中。
2.6 zipfile 模块的原理
zipfile 模块的核心原理是基于 ZIP 文件格式的规范。ZIP 文件是一种复合文件格式，它由多个文件条目（File Entry）和一个中央目录（Central Directory）组成。每个文件条目包含了文件的元数据（如文件名、文件大小、压缩方法等）和压缩后的文件内容。中央目录则包含了所有文件条目的索引信息，用于快速定位和访问文件。
当使用 zipfile 模块创建 ZIP 文件时，模块会根据指定的文件路径读取文件内容，选择合适的压缩算法（如 DEFLATED）对文件内容进行压缩，然后按照 ZIP 文件格式的规范将压缩后的文件内容和元数据写入到 ZIP 文件中。在读取 ZIP 文件时，模块会先解析中央目录，获取文件条目的索引信息，然后根据索引信息定位到具体的文件条目，读取并解压缩文件内容。
三、tarfile 模块
3.1 模块概述
tarfile 模块是 Python 标准库中用于处理 TAR 格式文件的工具。TAR（Tape Archive）是一种常见的文件归档格式，它可以将多个文件和文件夹打包成一个单一的文件。tarfile 模块不仅可以创建和读取 TAR 文件，还支持对 TAR 文件进行压缩，如使用 gzip、bz2 等压缩算法。
3.2 导入模块
在使用 tarfile 模块之前，需要先将其导入到 Python 脚本中。可以使用以下代码完成导入：
import tarfile # 导入 tarfile 模块，用于后续的 TAR 文件操作3.3 创建 TAR 文件
3.3.1 创建未压缩的 TAR 文件
可以使用 tarfile.open() 函数创建一个新的未压缩的 TAR 文件，并向其中添加文件。
import tarfile# 定义 TAR 文件的名称tar_file_name = 'example.tar'# 以写入模式打开一个新的 TAR 文件with tarfile.open(tar_file_name, 'w') as tarf: # 要添加到 TAR 文件中的文件路径 file_to_add = 'test.txt' # 将文件添加到 TAR 文件中 tarf.add(file_to_add) print(f"成功将 {file_to_add} 添加到 {tar_file_name} 中。")在上述代码中，tarfile.open(tar_file_name, 'w') 以写入模式打开一个名为 example.tar 的新 TAR 文件。tarf.add(file_to_add) 将 test.txt 文件添加到 TAR 文件中。
3.3.2 创建压缩的 TAR 文件（使用 gzip 压缩）
可以通过指定文件模式为 'w:gz' 来创建一个使用 gzip 压缩的 TAR 文件。
import tarfile# 定义压缩后的 TAR 文件的名称tar_file_name = 'example.tar.gz'# 以写入模式打开一个使用 gzip 压缩的 TAR 文件with tarfile.open(tar_file_name, 'w:gz') as tarf: # 要添加到 TAR 文件中的文件路径 file_to_add = 'test.txt' # 将文件添加到 TAR 文件中 tarf.add(file_to_add) print(f"成功将 {file_to_add} 以 gzip 压缩模式添加到 {tar_file_name} 中。")在这段代码中，'w:gz' 指定使用 gzip 压缩算法对 TAR 文件进行压缩。
3.4 读取 TAR 文件
3.4.1 查看 TAR 文件中的文件列表
可以使用 getnames() 方法查看 TAR 文件中包含的所有文件和文件夹的名称。
import tarfile# 定义要读取的 TAR 文件的名称tar_file_name = 'example.tar'# 以只读模式打开 TAR 文件with tarfile.open(tar_file_name, 'r') as tarf: # 获取 TAR 文件中所有文件和文件夹的名称列表 file_list = tarf.getnames() print(f"{tar_file_name} 中的文件和文件夹列表:") for file in file_list: print(file)在上述代码中，tarf.getnames() 返回一个包含 TAR 文件中所有文件和文件夹名称的列表，然后遍历该列表并打印每个名称。
3.4.2 读取 TAR 文件中特定文件的内容
可以使用 extractfile() 方法读取 TAR 文件中特定文件的内容。
import tarfile# 定义要读取的 TAR 文件的名称tar_file_name = 'example.tar'# 要读取的文件在 TAR 文件中的名称file_to_read = 'test.txt'# 以只读模式打开 TAR 文件with tarfile.open(tar_file_name, 'r') as tarf: # 获取指定文件的文件对象 file_obj = tarf.extractfile(file_to_read) if file_obj: # 读取文件内容 file_content = file_obj.read() print(f"{file_to_read} 的内容:") print(file_content.decode('utf-8')) else: print(f"未找到 {file_to_read} 文件。")在这段代码中，tarf.extractfile(file_to_read) 获取 TAR 文件中 test.txt 文件的文件对象，然后使用 read() 方法读取文件内容并打印。
3.5 解压缩 TAR 文件
3.5.1 解压缩整个 TAR 文件
可以使用 extractall() 方法将 TAR 文件中的所有文件和文件夹解压缩到指定的目录中。
import tarfile# 定义要解压缩的 TAR 文件的名称tar_file_name = 'example.tar'# 定义解压缩的目标目录extract_dir = 'extracted_files'# 以只读模式打开 TAR 文件with tarfile.open(tar_file_name, 'r') as tarf: # 将 TAR 文件中的所有文件和文件夹解压缩到指定目录 tarf.extractall(extract_dir) print(f"成功将 {tar_file_name} 解压缩到 {extract_dir} 中。")在上述代码中，tarf.extractall(extract_dir) 将 example.tar 文件中的所有内容解压缩到 extracted_files 目录中。
3.5.2 解压缩 TAR 文件中的特定文件
可以使用 extract() 方法解压缩 TAR 文件中的特定文件。
import tarfile# 定义要解压缩的 TAR 文件的名称tar_file_name = 'example.tar'# 要解压缩的文件在 TAR 文件中的名称file_to_extract = 'test.txt'# 定义解压缩的目标目录extract_dir = 'extracted_files'# 以只读模式打开 TAR 文件with tarfile.open(tar_file_name, 'r') as tarf: # 解压缩指定文件到指定目录 tarf.extract(file_to_extract, extract_dir) print(f"成功将 {file_to_extract} 从 {tar_file_name} 解压缩到 {extract_dir} 中。")在这段代码中，tarf.extract(file_to_extract, extract_dir) 将 example.tar 文件中的 test.txt 文件解压缩到 extracted_files 目录中。
3.6 tarfile 模块的原理
tarfile 模块的工作原理基于 TAR 文件格式的规范。TAR 文件是一种简单的文件归档格式，它将多个文件和文件夹的内容依次连接在一起，并在文件开头添加一个文件头（Header），用于存储每个文件的元数据（如文件名、文件大小、权限等）。
当使用 tarfile 模块创建 TAR 文件时，模块会读取指定的文件内容，生成文件头信息，然后将文件头和文件内容依次写入到 TAR 文件中。如果指定了压缩算法（如 gzip、bz2），模块会在写入文件内容时对其进行压缩。在读取 TAR 文件时，模块会先解析文件头，获取每个文件的元数据，然后根据元数据定位到具体的文件内容并进行读取。如果文件是压缩的，模块会先对其进行解压缩。
四、总结与展望
4.1 总结
Python 的 zipfile 和 tarfile 模块为开发者提供了方便、高效的文件压缩和解压缩功能。zipfile 模块主要用于处理 ZIP 格式的压缩文件，支持文件的添加、读取和解压缩操作，并且可以选择不同的压缩级别。tarfile 模块则用于处理 TAR 格式的文件，不仅可以创建和读取 TAR 文件，还支持对 TAR 文件进行压缩（如 gzip、bz2 等）。通过使用这两个模块，开发者可以轻松地完成文件的压缩、解压缩和归档任务，提高文件管理的效率。
4.2 展望
随着数据量的不断增加和对数据存储、传输效率要求的提高，文件压缩技术将继续发挥重要作用。未来，zipfile 和 tarfile 模块可能会进一步优化和扩展，例如支持更多的压缩算法、提高压缩和解压缩的性能、增强对大型文件和文件夹的处理能力等。同时，随着云计算和分布式系统的发展，这些模块可能会与云存储和分布式文件系统更好地集成，为开发者提供更强大的文件管理解决方案。对于开发者来说，需要密切关注这些模块的更新和变化，以便在实际项目中更好地利用其功能，提高开发效率和代码质量。
