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

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。 |

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。
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
- 下一篇
- Python fileinput.input 怎样连续处理多个输入文件
-
- 文章 · python教程 | 25分钟前 | python · Python unicode unicodedata decomposition
- Python unicodedata.decomposition 怎样读取字符分解映射与兼容标签
- 474浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python decimal compare_total 全序比较
- Python Decimal.compare_total 怎样区分数值相等的不同表示
- 331浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python AST 怎样提取节点对应的原始源码片段
- 261浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 类型系统 · Python types.resolve_bases __mro_entries__
- Python types.resolve_bases 怎样展开动态基类占位对象
- 108浏览 收藏
-
- 文章 · python教程 | 1天前 | Python SQLite sqlite3 getlimit Connection.setlimit
- Python sqlite3.Connection.setlimit 怎样限制单个连接的资源上限
- 247浏览 收藏
-
- 文章 · python教程 | 1天前 | SQLite · Python教程 · Python SQLite sqlite3 complete_statement 多语句脚本 CREATE TRIGGER
- Python sqlite3.complete_statement 判断多语句输入完整性的处理方案
- 140浏览 收藏
-
- 文章 · python教程 | 1天前 | python · pathlib · Python pathlib walk_up relative_to
- Python pathlib.relative_to 怎样避免无关路径抛错
- 256浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python Property 描述符 inspect.getattr_static 静态属性读取
- Python 怎样读取属性定义而不触发 property
- 299浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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
- 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
- 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
-
- 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
- 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
-
- GScript 编写标准库示例详解
- 2022-12-30 369浏览
-
- 关于Golang标准库flag的全面讲解
- 2023-02-25 344浏览
-
- Golang标准库unsafe源码解读
- 2022-12-29 464浏览
-
- 快速掌握Go语言HTTP标准库的实现方法
- 2022-12-30 327浏览
-
- 解析golang 标准库template的代码生成方法
- 2022-12-24 349浏览

