Python zipfile 解压前怎么检查文件名和总大小

处理用户上传的 ZIP 时，不要先调用 extractall() 再想办法补救。更稳妥的做法是先读取每个 ZipInfo 的文件名、未压缩大小和压缩大小：拒绝绝对路径与 .. 路径，累计未压缩大小不能超过业务预算，压缩比异常或压缩数据为零却声称有内容的成员也不要解压。

Python 的 zipfile 能提供检查所需的元数据，但“通过预检查”不等于文件可信；它只把路径越界和资源耗尽风险挡在真正写盘之前。

解压前先检查的三个量

一个 ZIP 条目的压缩后大小可能很小，但解压后会占用大量磁盘和内存。检查可以分成三条边界：第一条是名称边界，避免成员名把目标目录带到外部；第二条是资源边界，限制单个文件、总文件数和总未压缩大小；第三条是压缩比边界，避免极小的压缩数据对应异常大的展开结果。

用 ZipInfo 检查文件名与大小

下面的函数只做预扫描，不打开成员内容。路径判断同时考虑 POSIX 斜杠、Windows 反斜杠和盘符；这样即使服务运行在 Linux 上，也不会把来自 Windows 的路径格式当成普通文件名。

from pathlib import PurePosixPath
import zipfile

MAX_MEMBERS = 500
MAX_MEMBER_SIZE = 100 * 1024 * 1024
MAX_TOTAL_SIZE = 500 * 1024 * 1024
MAX_RATIO = 1000

def safe_member_name(name: str) -> bool:
    # 统一分隔符，只检查归档内的名字，不拼接真实目标路径
    normalized = name.replace("\\\\", "/")
    path = PurePosixPath(normalized)
    # 盘符、绝对路径和父目录跳出都是拒绝条件
    has_drive = len(normalized) >= 2 and normalized[1] == ":"
    return not path.is_absolute() and not has_drive and ".." not in path.parts

def inspect_zip(path: str) -> list[zipfile.ZipInfo]:
    approved_members = []
    total_uncompressed = 0

    with zipfile.ZipFile(path) as archive:
        members = archive.infolist()
        if len(members) > MAX_MEMBERS:
            raise ValueError("ZIP 成员数量超过限制")

        for info in members:
            # 目录本身没有内容预算，但仍要检查名字
            if not safe_member_name(info.filename):
                raise ValueError(f"成员路径不安全: {info.filename!r}")
            if info.file_size > MAX_MEMBER_SIZE:
                raise ValueError(f"单文件过大: {info.filename!r}")

            total_uncompressed += info.file_size
            if total_uncompressed > MAX_TOTAL_SIZE:
                raise ValueError("ZIP 总未压缩大小超过限制")

            # 空压缩数据却声明有展开内容，不能把它当作正常比例
            if info.compress_size == 0:
                if info.file_size != 0:
                    raise ValueError(f"压缩大小异常: {info.filename!r}")
            elif info.file_size / info.compress_size > MAX_RATIO:
                raise ValueError(f"压缩比异常: {info.filename!r}")

            approved_members.append(info)

    return approved_members

file_size 是未压缩大小，compress_size 是压缩数据大小，二者都来自 ZipInfo。这里把异常当作拒绝，而不是把零值改成 1 继续计算，否则会把坏元数据掩盖成一个看似合理的比例。

通过检查后再解压，并保留拒绝边界

预扫描通过后，才进入实际解压阶段。不要重新用字符串文件名查找成员，直接复用已经检查过的 ZipInfo 对象；这也能保留重复文件名条目的具体对象。目标目录还应是专门的临时目录，后续再由业务层决定是否移动到正式位置。

from pathlib import Path

def extract_checked(zip_path: str, output_root: str) -> int:
    # 预扫描失败时不会创建任何解压文件
    approved_members = inspect_zip(zip_path)
    target = Path(output_root).resolve()
    target.mkdir(parents=True, exist_ok=True)

    with zipfile.ZipFile(zip_path) as archive:
        # 只提交已经按名称和大小检查过的成员
        archive.extractall(target, members=approved_members)
    return len(approved_members)

阈值不是通用常数：上传接口要结合请求大小、临时磁盘余量和并发数设置；批处理可以给更大预算，但仍应限制成员数量。生产日志至少记录归档标识、成员数、总未压缩大小和拒绝原因，不要把完整的用户文件名直接写进公开日志。

常见问题

只判断 ZIP 文件大小够不够吗？

不够。压缩文件大小描述的是传输或存储体积，真正消耗磁盘的是成员的 file_size 总和。

为什么路径检查还要处理反斜杠？

归档可能由不同系统生成。服务端即使运行在 Linux，也应把 Windows 风格的分隔符和盘符视为输入格式的一部分。

Python 的 extractall() 已经会清理路径，还需要预检查吗？

仍然需要。官方文档明确提醒不可信归档应先检查；预扫描还承担总大小、成员数量和压缩比控制，这些不是单纯路径清理能解决的。

压缩比阈值应该固定成多少？

没有适合所有业务的数字。先根据允许的最大展开体积倒推，再用真实文件类型做灰度；阈值应与总量上限同时存在。