Python解压缩字节流?

day*_*mer 30 python compression

情况如下:

  • 我从Amazon S3获取gzip xml文档

    import boto
    from boto.s3.connection import S3Connection
    from boto.s3.key import Key
    conn = S3Connection('access Id', 'secret access key')
    b = conn.get_bucket('mydev.myorg')
    k = Key(b)
    k.key('documents/document.xml.gz')
    
    Run Code Online (Sandbox Code Playgroud)
  • 我把它们作为文件阅读

    import gzip
    f = open('/tmp/p', 'w')
    k.get_file(f)
    f.close()
    r = gzip.open('/tmp/p', 'rb')
    file_content = r.read()
    r.close()
    
    Run Code Online (Sandbox Code Playgroud)

如何直接解压缩流并读取内容?

我不想创建临时文件,它们看起来不太好.

Mar*_*ers 36

是的,您可以使用该zlib模块解压缩字节流:

import zlib

def stream_gzip_decompress(stream):
    dec = zlib.decompressobj(32 + zlib.MAX_WBITS)  # offset 32 to skip the header
    for chunk in stream:
        rv = dec.decompress(chunk)
        if rv:
            yield rv
Run Code Online (Sandbox Code Playgroud)

32个信号偏移到zlibgzip标头预期但跳过的标头.

S3密钥对象是一个迭代器,因此您可以:

for data in stream_gzip_decompress(k):
    # do something with the decompressed data
Run Code Online (Sandbox Code Playgroud)


小智 9

我必须做同样的事情,这就是我做到的:

import gzip
f = StringIO.StringIO()
k.get_file(f)
f.seek(0) #This is crucial
gzf = gzip.GzipFile(fileobj=f)
file_content = gzf.read()
Run Code Online (Sandbox Code Playgroud)

  • 但是,这会首先将整个文件读入内存. (11认同)
  • 这里的“k”是什么? (2认同)

She*_*hek 6

对于 Python3x 和 boto3-

所以我使用 BytesIO 将压缩文件读入缓冲区对象,然后我使用 zipfile 将解压缩流作为未压缩数据打开,我能够逐行获取数据。

import io
import zipfile
import boto3
import sys

s3 = boto3.resource('s3', 'us-east-1')


def stream_zip_file():
    count = 0
    obj = s3.Object(
        bucket_name='MonkeyBusiness',
        key='/Daily/Business/Banana/{current-date}/banana.zip'
    )
    buffer = io.BytesIO(obj.get()["Body"].read())
    print (buffer)
    z = zipfile.ZipFile(buffer)
    foo2 = z.open(z.infolist()[0])
    print(sys.getsizeof(foo2))
    line_counter = 0
    for _ in foo2:
        line_counter += 1
    print (line_counter)
    z.close()


if __name__ == '__main__':
    stream_zip_file()
Run Code Online (Sandbox Code Playgroud)

  • `buffer = io.BytesIO(obj.get()["Body"].read())` 将整个文件读入内存。 (5认同)