5.7 讀寫壓縮文件

問題

你想讀寫一個(gè)gzip或bz2格式的壓縮文件。

解決方案

gzip 和 bz2 模塊可以很容易的處理這些文件。兩個(gè)模塊都為 open() 函數(shù)提供了另外的實(shí)現(xiàn)來解決這個(gè)問題。比如，為了以文本形式讀取壓縮文件，可以這樣做：

# gzip compression
import gzip
with gzip.open('somefile.gz', 'rt') as f:
    text = f.read()

# bz2 compression
import bz2
with bz2.open('somefile.bz2', 'rt') as f:
    text = f.read()

類似的，為了寫入壓縮數(shù)據(jù)，可以這樣做：

# gzip compression
import gzip
with gzip.open('somefile.gz', 'wt') as f:
    f.write(text)

# bz2 compression
import bz2
with bz2.open('somefile.bz2', 'wt') as f:
    f.write(text)

如上，所有的I/O操作都使用文本模式并執(zhí)行Unicode的編碼/解碼。類似的，如果你想操作二進(jìn)制數(shù)據(jù)，使用rb或者wb文件模式即可。

討論

大部分情況下讀寫壓縮數(shù)據(jù)都是很簡(jiǎn)單的。但是要注意的是選擇一個(gè)正確的文件模式是非常重要的。如果你不指定模式，那么默認(rèn)的就是二進(jìn)制模式，如果這時(shí)候程序想要接受的是文本數(shù)據(jù)，那么就會(huì)出錯(cuò)。gzip.open() 和 bz2.open() 接受跟內(nèi)置的 open() 函數(shù)一樣的參數(shù)，包括 encoding，errors，newline 等等。

當(dāng)寫入壓縮數(shù)據(jù)時(shí)，可以使用 compresslevel 這個(gè)可選的關(guān)鍵字參數(shù)來指定一個(gè)壓縮級(jí)別。比如：

with gzip.open('somefile.gz', 'wt', compresslevel=5) as f:
    f.write(text)

默認(rèn)的等級(jí)是9，也是最高的壓縮等級(jí)。等級(jí)越低性能越好，但是數(shù)據(jù)壓縮程度也越低。

最后一點(diǎn)，gzip.open() 和 bz2.open() 還有一個(gè)很少被知道的特性，它們可以作用在一個(gè)已存在并以二進(jìn)制模式打開的文件上。比如，下面代碼是可行的：

import gzip
f = open('somefile.gz', 'rb')
with gzip.open(f, 'rt') as g:
    text = g.read()

這樣就允許 gzip 和 bz2 模塊可以工作在許多類文件對(duì)象上，比如套接字，管道和內(nèi)存中文件等。