在 python 中读取 *.tar.gz 文件而不解压

Question

在 python 3 中，我试图读取驻留在 tar.gz 存档中的文件而不提取它们（意思是不将提取文件写入磁盘）。我找到了 tarfile 模块，这就是我写的（大大简化了）：

tar = tarfile.open('arhivename.tar.gz',encoding='utf-8')
for x in tar.getmembers():
    filelikeobject=tar.extractfile(x)
    #pass the filelikeobject to a third party function that accepts file-like object that read strings

    #the following lines are for debug:
    r=filelikeobject.read()
    print(type(r).__name__) #prints out 'bytes' - need 'str'

问题是，tar.extractfile(x) 返回一个文件对象，该对象在调用 read() 时返回字节。我需要它使用 utf-8 编码返回 str

Answer 1

当你打电话时tarfile.open，

tarfile.open('arhivename.tar.gz', encoding='utf-8')

该encoding参数控制文件名的编码，而不是文件内容的编码。encoding参数控制文件内容的编码没有意义，因为tar文件中不同的文件可以进行不同的编码。因此，tar 文件实际上只包含二进制数据。

您可以通过使用codecs模块中的 UTF-8 流读取器包装文件来解码此数据：

import codecs
utf8reader = codecs.getreader('utf-8')
for name in tar.getmembers():
    fp = utf8reader(tar.extractfile(name))