当前位置:首页 > 文章列表 > 文章 > python教程 > Python tarfile.TarFile.extractfile 怎样读取归档内文件

Python tarfile.TarFile.extractfile 怎样读取归档内文件

来源:17golang原创 2026-11-18 04:59:56 0浏览 收藏

如果只想读取 tar 归档中的一个文件,不必先把整个归档展开到磁盘。Python 标准库的 TarFile.extractfile() 可以接受成员名或 TarInfo,对普通文件或链接返回一个可读取的二进制类文件对象;目录等其他成员返回 None,成员不存在则抛出 KeyError。

官方文档:https://docs.python.org/3/library/tarfile.html#tarfile.TarFile.extractfile

最小可用写法是:用 tarfile.open("包名.tar.gz", "r:*") 打开归档,调用 extractfile("归档内路径"),再把返回对象当作二进制文件读取。需要文本时,再用 io.TextIOWrapper 指定编码。

一、先把问题看成“定位成员,再读取对象”

这类需求的关键不是解压,而是把归档成员当成一个有名字和类型的对象。tarfile.open() 负责得到 TarFile;getmember() 可以把成员名解析成 TarInfo;extractfile() 再根据成员名或 TarInfo 提供读取入口。

例如归档里保存的是 config/app.json,传入本地路径 ./app.json 并不会命中它。成员名必须使用归档内部记录的名字,目录前缀、大小写和斜杠都要保持一致。

tarfile.open、TarFile、getmember、TarInfo、extractfile 与 io.BufferedReader 的静态关系说明图
图1:结构说明图,查看归档对象如何连接成员定位与类文件对象。

二、按成员名读取文本文件

最常见的入口是直接传成员名。下面的例子读取归档内的 JSON 文本,但没有把它写到临时目录。extractfile() 返回的是二进制对象,因此文本场景需要显式指定编码。

import io
import json
import tarfile

with tarfile.open("release.tar.gz", mode="r:*") as archive:
    # 成员名是归档内部路径,不是解压后的本地路径。
    member_name = "config/app.json"
    raw = archive.extractfile(member_name)
    if raw is None:
        # 目录或其他非普通成员没有可读取的文件内容。
        raise IsADirectoryError(f"归档成员不是普通文件:{member_name}")

    # TextIOWrapper 把 extractfile 返回的二进制流按 UTF-8 解码。
    with io.TextIOWrapper(raw, encoding="utf-8") as text_file:
        config = json.load(text_file)

print(config.get("service"))

这里的两个 with 分别管理归档和成员流。外层退出时关闭 TarFile,内层退出时关闭文本包装器及其底层流;读取完成后不需要额外清理临时文件。

三、按 TarInfo 读取并保留成员元数据

当程序已经遍历过成员列表,或者还需要先看大小、类型等元数据时,可以先拿到 TarInfo,再把它交给 extractfile()。这比重复用字符串定位更适合“先筛选、后读取”的代码。

import tarfile

with tarfile.open("logs.tar", mode="r:*") as archive:
    # getmember 找不到名字时会抛出 KeyError,调用方可以按需转换错误信息。
    try:
        info = archive.getmember("logs/today.log")
    except KeyError as exc:
        raise FileNotFoundError("归档中没有 logs/today.log") from exc

    # size 是 TarInfo 的元数据;它不等于已经读出的字节数。
    print(f"成员:{info.name},声明大小:{info.size}")
    raw = archive.extractfile(info)
    if raw is None:
        # 成员存在但不是普通文件或链接时,extractfile 返回 None。
        raise TypeError(f"成员不可按文件读取:{info.name}")

    with raw:
        # 二进制场景直接分块读取,避免一次性复制整个成员内容。
        while chunk := raw.read(8192):
            process_bytes(chunk)

TarInfo 只描述成员的名字、类型、大小等信息,不承载文件数据本身。真正的数据仍由 extractfile() 返回的类文件对象提供,因此可以继续使用 read()、迭代读取等常见文件接口。

四、把 None、KeyError 和生命周期分开处理

这三个边界代表不同问题,混在一起会让排错信息变得含糊:

情况表现处理思路
成员名不存在KeyError检查归档内路径,或把异常转换成业务层的“未找到”错误。
成员存在但不是普通文件或链接返回 None不要直接调用 read(),先提示该成员不能按文件读取。
普通文件或链接返回 io.BufferedReader按二进制读取,文本内容再包一层指定编码的文本流。
TarInfo 成员元数据与 extractfile 返回 io.BufferedReader、None 的静态契约图
图2:返回契约说明图,区分可读对象、None 和缺失成员异常。

还要注意归档对象的生命周期:成员流的读取应放在 TarFile 仍然打开的 with 块中。不要先退出归档上下文,再把保存下来的成员流交给其他代码长期使用。若需要异步或跨层传递内容,应在归档打开期间复制成明确的字节或文本结果,并记录大小边界。

五、常见误区与判断清单

  • 把本地文件路径当成归档成员名:先通过归档的成员列表确认内部名字。
  • 忘记二进制返回值:文本文件要使用 io.TextIOWrapper 或自行 decode()。
  • 把 None 当成空文件:它表示成员存在但不是可由 extractfile() 提供文件流的类型。
  • 在归档关闭后继续读取:让成员流和 TarFile 处于同一个生命周期范围内。

可以用下面的判断顺序快速定位:成员名是否准确;getmember() 是否抛出 KeyError;返回值是否为 None;若得到流,再决定按字节读取还是按指定编码读取。

相关问题

extractfile() 会把文件解压到当前目录吗?

不会。它返回一个类文件对象供程序读取,不会像 extract() 那样创建目标路径。

为什么 extractfile() 返回 None?

通常是因为目标成员存在,但它是目录或其他不适合按普通文件读取的成员。先检查 TarInfo 的类型,再决定是否跳过。

可以直接对返回对象调用 read().decode() 吗?

可以处理小文件,但要明确 read() 得到的是字节,并且一次性读取可能占用较多内存。文本文件更清楚的做法是使用 io.TextIOWrapper,大文件则按块读取。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Python unicodedata.decomposition 怎样读取字符分解映射与兼容标签Python unicodedata.decomposition 怎样读取字符分解映射与兼容标签
上一篇
Python unicodedata.decomposition 怎样读取字符分解映射与兼容标签
Python fileinput.input 怎样连续处理多个输入文件
下一篇
Python fileinput.input 怎样连续处理多个输入文件
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1087次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1086次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1250次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1196次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1039次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码