使用python解压缩.gz文件的一部分

Question

这就是问题所在。我有sample.gz文件，大小约为60KB。我想解压缩该文件的前2000个字节。我遇到了CRC检查失败的错误，我猜是因为gzip
CRC字段出现在文件末尾，并且它需要整个gzip压缩文件进行解压缩。有办法解决这个问题吗？我不在乎CRC检查。即使由于CRC错误而无法解压缩，也可以。有没有办法解决这个问题并解压缩部分.gz文件？

我到目前为止的代码是

import gzip
import time
import StringIO

file = open('sample.gz', 'rb')
mybuf = MyBuffer(file)
mybuf = StringIO.StringIO(file.read(2000))
f = gzip.GzipFile(fileobj=mybuf)
data = f.read()
print data

遇到的错误是

File "gunzip.py", line 27, in ?
    data = f.read()
File "/usr/local/lib/python2.4/gzip.py", line 218, in read
  self._read(readsize)
File "/usr/local/lib/python2.4/gzip.py", line 273, in _read
  self._read_eof()
File "/usr/local/lib/python2.4/gzip.py", line 309, in _read_eof
  raise IOError, "CRC check failed"
IOError: CRC check failed

还可以使用zlib模块执行此操作并忽略gzip标头吗？

Answer 1

我似乎您需要查看 Python zlib 库

GZIP格式依赖zlib，但是引入了文件级压缩概念以及CRC检查，这似乎是您目前不想要/不需要的。

例如，请参阅 Dough
Hellman的
这些
代码片段

编辑 ：Doubh
Hellman网站上的代码仅显示如何使用zlib进行压缩或解压缩。如上所述，GZIP是“带信封的zlib”，您需要先对信封进行解码，然后才能获取zlib压缩的数据
本身 。这里是更多信息，实际上并不那么复杂：

• 有关GZIP格式的详细信息，请参阅 RFC 1952 。
• 此格式以10字节的标头开头，后跟可选的非压缩元素（例如文件名或注释），然后是zlib压缩数据，其本身后面是CRC-32（精确地是“ Adler32” CRC）。
• 通过使用 Python的struct模块 ，解析标头应该相对简单
• 然后可以使用python的zlib模块解压缩zlib序列（或其前几千个字节，因为这就是您要执行的操作），如上面的示例所示
• 可能出现的问题：如果GZip档案中有多个文件，并且第二个文件在几千个字节的块内开始，我们希望将其解压缩。

很抱歉，既没有提供简单的过程，也没有提供现成的代码段，但是使用上述指示解码文件应该相对较快和简单。