如何使用python解壓縮內存中的.tar.bz2

Question

如何使用python解壓縮內存中的* .bz2文件？ bz2文件來自csv文件。

我使用下面的代碼在內存中解壓縮它，它工作，但它帶來了一些骯髒的數據，如csv文件的文件名和作者名稱，有沒有其他更好的方式來處理它？

#!/usr/bin/python 
# -*- coding: utf-8 -*- 
import StringIO 
import bz2 


with open("/app/tmp/res_test.tar.bz2", "rb") as f: 
    content = f.read() 

    compressedFile = StringIO.StringIO(content) 
    decompressedFile = bz2.decompress(compressedFile.buf) 
    compressedFile.seek(0) 

    with open("/app/tmp/decompress_test", 'w') as outfile: 
     outfile.write(decompressedFile) 

我發現this question，它是採用gzip，但是我的數據是BZ2格式，我嘗試做在它的指示，但似乎BZ2不能以這種方式處理它。

編輯：

無論@metatoaster以上代碼的答案，他們兩人會帶來一些更多的髒數據到最終的壓縮文件。 例如：我的原始數據連接下方，csv格式，名稱res_test.csv：

然後我cd到該文件中，並與tar -cjf res_test.tar.bz2 res_test.csv壓縮，並得到壓縮文件res_test的目錄。 tar.bz2，這個文件可以模擬我將從互聯網獲得的bz2數據，並且我希望在內存中解壓它，而不是先將它緩存到磁盤中，但我得到的是以下數據幷包含太多髒數據：

數據仍然存在，但淹沒在噪聲中，是否可以將其解壓縮爲純數據，與原始數據相同，而不是解壓縮它從太多的噪音中提取真實的數據？

Answer 1

對於通用bz2解壓縮，可以使用BZ2File類。

from bz2 import BZ2File 
with BZ2File("/app/tmp/res_test.tar.bz2") as f: 
    content = f.read() 

content應該包含文件的解壓縮內容。

但是，鑑於這是一個tar文件（通常作爲文件目錄提取到磁盤的歸檔文件），可以使用tarfile模塊，並且它具有用於處理bz2的擴展模式標誌。假設目標文件包含一個res_test.csv時，可以使用下列

tf = tarfile.open('/app/tmp/res_test.tar.bz2', 'r:bz2') 
csvfile = tf.extractfile('res_test.csv').read() 

的r:bz2標誌打開的方式，使得有可能尋求倒退，這是非常重要的tar歸檔作爲替代方法r|bz2使它不切實際從extractfile返回的成員中調用提取文件。第二行簡單地調用extractfile作爲字符串從存檔文件返回'res_test.csv'的內容。

但是，通常建議使用透明打開模式（'r:*'），因此如果使用gzip壓縮輸入tar文件，則不會遇到故障。

當然，tarfile模塊有一個較低的級別open方法，它可以用於任意的流對象。如果該文件是使用BZ2File已經已經打開，這也可以用來

with BZ2File("/app/tmp/res_test.tar.bz2") as f: 
    tf = tarfile.open(fileobj=f, mode='r:') 
    csvfile = tf.extractfile('res_test.csv').read()