登录
推荐 文章 Go 技术 课程 下载 专题 AI
首页 >  文章 >  python教程

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

来源:17golang原创

时间:2026-11-18 04:59:56 413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。

声明:本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
相关阅读
更多>
最新阅读
更多>
课程推荐
更多>