使用os.walk提取壓縮檔案並避免遞迴提取

作為一名合格的技術員，在要=使用 os.walk 來提取壓縮檔案並避免遞迴提取，我們可以在遍歷檔案時檢查檔案的副檔名，並且只處理壓縮檔案而非目錄。下面是一個示例程式碼，展示瞭如何使用 os.walk 來實現這一功能，並且避免了遞迴提取。具體的問題下面可以跟著我一起來看看，具體需要的引數以及問題我會一一詳細的解答。

問題背景

在使用 Python 編寫遞迴提取器時，經常會遇到遞迴提取過多，導致效能降低的問題。在以下程式碼中，extractRecursive 函式透過 os.walk 遍歷指定路徑下的所有檔案和目錄，並使用 magic 模組來識別檔案型別。當遇到壓縮檔案時，會呼叫 arcExtract 函式來解壓該檔案。但是，extractRecursive 函式在解壓完成後還會再次呼叫自身，導致遞迴提取過多。

import 
os, 
magic



m 
= 
magic.
open( 
magic.
MAGIC_NONE )



m.
load()







archive_type 
= [ 
'gzip compressed data',


       
'7-zip archive data',


       
'Zip archive data',


       
'bzip2 compressed data',


       
'tar archive',


       
'POSIX tar archive',


       
'POSIX tar archive (GNU)',


       
'RAR archive data',


       
'Microsoft Outlook email folder (>=2003)',


       
'Microsoft Outlook email folder']







def 
extractRecursive( 
path ,
archives):


   
i
=
0


   
for 
dirpath, 
dirnames, 
filenames 
in 
os.
walk( 
path ):


       
for 
f 
in 
filenames:


           
fp 
= 
os.
path.
join( 
dirpath, 
f )


           
i
+=
1


           
print 
i


           
file_type 
= 
m.
file( 
fp ).
split( 
"," )[
0]


           
if 
file_type 
in 
archives:


               
arcExtract(
fp,
file_type,
path,
True)


               
extractRecursive(
path,
archives) 
# 遞迴呼叫自身


   
return 
"Done"







def 
arcExtract(
file_path,
file_type,
extracted_path
=
"/home/v3ss/Downloads/extracted",
unlink
=
False):


   
import 
subprocess,
shlex






   
if 
file_type 
in 
pst_types:


       
cmd 
= 
"readpst -o  '%s' -S '%s'" 
% (
extracted_path,
file_path)


   
else:


       
cmd 
= 
"7z -y -r -o%s x '%s'" 
% (
extracted_path,
file_path)






   
print 
cmd


   
args
= 
shlex.
split(
cmd)


   
print 
args






   
try:


       
sp 
= 
subprocess.
Popen( 
args, 
shell 
= 
False, 
stdout 
= 
subprocess.
PIPE, 
stderr 
= 
subprocess.
PIPE )


       
out, 
err 
= 
sp.
communicate()


       
print 
out, 
err


       
ret 
= 
sp.
returncode


   
except 
OSError:


       
print 
"Error no %s  Message %s" 
% (
OSError.
errno,
OSError.
message)


       
pass






   
if 
ret 
== 
0:


       
if 
unlink
==
True:


           
os.
unlink(
file_path)


       
return 
"OK!"


   
else:


       
return 
"Failed"







if 
__name__ 
== 
'__main__':


   
extractRecursive( 
'Path/To/Archives' ,
archive_type)

解決方案

為了避免遞迴提取過多，我們只需要修改 extractRecursive 函式，不再在解壓完成後再次呼叫自身。

def 
extractRecursive( 
path ,
archives, 
extracted_archives
=
None):


   
i 
= 
0


   
if 
not 
extracted_archives:


       
extracted_archives 
= 
set()






   
for 
dirpath, 
dirnames, 
filenames 
in 
os.
walk( 
path ):


       
for 
f 
in 
filenames:


           
fp 
= 
os.
path.
join( 
dirpath, 
f )


           
i
+=
1


           
print 
i


           
file_type 
= 
m.
file( 
fp ).
split( 
"," )[
0]


           
if 
file_type 
in 
archives 
and 
fp 
not 
in 
extracted_archives:


               
extracted_archives.
add(
fp)


               
extracted_in.
add(
dirpath)


               
arcExtract(
fp, 
file_type, 
path, 
True)






   
for 
path 
in 
extracted_in:


       
# 不再遞迴呼叫自身


       
# extractRecursive(path, archives, extracted_archives)






   
return 
"Done"

現在，extractRecursive 函式不再在解壓完成後再次呼叫自身，而是繼續遍歷下一個目錄。這樣就可以避免遞迴提取過多，提高效能。

使用 os.walk 提取壓縮檔案並避免遞迴提取並不難，只要你熟悉Python的檔案操作和 zipfile 模組的基本用法。 os.walk 提供了一種逐級遍歷目錄結構的簡單方法，而 zipfile 模組則可以用來處理壓縮檔案。

主要的挑戰可能在於理解如何在遍歷檔案時過濾出壓縮檔案，並且在解壓縮時避免遞迴提取。但一旦理解了這個概念，編寫相應的程式碼並不複雜。

我已經給出了一個示例程式碼，演示瞭如何使用 os.walk 和 zipfile 模組來實現這一功能。你可以參考該示例並根據需要進行調整。如果有任何困難或疑問，隨時向我提問，我會盡力幫助你解決問題。