获取 FTP 服务器上 zip 文件内的文件名，无需下载整个存档

Question

我在远程 FTP 服务器上有很多 zip 存档，它们的大小高达 20TB。我只需要这些 zip 存档中的文件名，以便我可以将它们插入到我的 Python 脚本中。

有没有什么方法可以只获取文件名而不实际下载文件并将它们解压到我的本地计算机上？如果是这样，有人可以指导我找到正确的库/包吗？

Answer 1

您可以实现一个类似文件的对象，从 FTP 读取数据，而不是本地文件。并将其传递给ZipFile构造函数，而不是（本地）文件名。

一个简单的实现可以是这样的：

from ftplib import FTP
from ssl import SSLSocket

class FtpFile:

    def __init__(self, ftp, name):
        self.ftp = ftp
        self.name = name
        self.size = ftp.size(name)
        self.pos = 0
    
    def seek(self, offset, whence):
        if whence == 0:
            self.pos = offset
        if whence == 1:
            self.pos += offset
        if whence == 2:
            self.pos = self.size + offset

    def tell(self):
        return self.pos

    def read(self, size = None):
        if size == None:
            size = self.size - self.pos
        data = B""

        # Based on FTP.retrbinary 
        # (but allows stopping after certain number of bytes read)
        # An alternative implementation is at
        # /sf/ask/4117344731/#58819362
        ftp.voidcmd('TYPE I')
        cmd = "RETR {}".format(self.name)
        conn = ftp.transfercmd(cmd, self.pos)
        try:
            while len(data) < size:
                buf = conn.recv(min(size - len(data), 8192))
                if not buf:
                    break
                data += buf
            # shutdown ssl layer (can be removed if not using TLS/SSL)
            if SSLSocket is not None and isinstance(conn, SSLSocket):
                conn.unwrap()
        finally:
            conn.close()
        try:
            ftp.voidresp()
        except:
            pass
        self.pos += len(data)
        return data

然后你可以像这样使用它：

ftp = FTP(host, user, passwd)
ftp.cwd(path)

ftpfile = FtpFile(ftp, "archive.zip")
zip = zipfile.ZipFile(ftpfile)
print(zip.namelist())

上述实现相当简单且效率低下。它启动大量（至少三个）小数据块的下载，以检索包含的文件列表。它可以通过读取和缓存更大的块来优化。但它应该给你一个想法。

特别是，您可以利用仅阅读列表的事实。该列表位于 ZIP 存档的 和 处。因此，您可以在开始时下载最后（大约）10 KB 的数据。您将能够完成read该缓存中的所有调用。

知道了这一点，你实际上可以做一些小修改。由于列表位于存档的末尾，因此您实际上只能下载存档的末尾。虽然下载的ZIP会被破坏，但它仍然可以列出。这样，你就不需要FtpFile上课了。您甚至可以将列表下载到内存( StringIO)。

zipstring = StringIO()
name = "archive.zip"
size = ftp.size(name)
ftp.retrbinary("RETR " + name, zipstring.write, rest = size - 10*2024)

zip = zipfile.ZipFile(zipstring)

print(zip.namelist())

如果BadZipfile由于 10 KB 太小而无法包含整个列表而出现异常，则可以使用更大的块重试代码。