con - ¿Cómo leer un archivo zip dentro de un archivo zip en Python?

zipfile python

Question

Tengo un archivo que quiero leer que está comprimido dentro de un archivo zip. Por ejemplo, parent.zip contiene child.zip, que contiene child.txt. Estoy teniendo problemas para leer niño.zip. ¿Alguien puede corregir mi código?

Asumo que necesito crear child.zip como un objeto similar a un archivo y luego abrirlo con una segunda instancia de zipfile, pero ser nuevo en python my zipfile.ZipFile (zfile.open (nombre)) es una tontería. Plantea un archivo zip.BadZipfile: "El archivo no es un archivo zip" en (archivo validado de forma independiente) child.zip

import zipfile
with zipfile.ZipFile("parent.zip", "r") as zfile:
    for name in zfile.namelist():
        if re.search(r''/.zip$'', name) != None:
            # We have a zip within a zip
            with **zipfile.ZipFile(zfile.open(name))** as zfile2:
                    for name2 in zfile2.namelist():
                        # Now we can extract
                        logging.info( "Found internal internal file: " + name2)
                        print "Processing code goes here"

Answer 1

Aquí hay una función que se me ocurrió. (Copiado desde here .)

def extract_nested_zipfile(path, parent_zip=None):
    """Returns a ZipFile specified by path, even if the path contains
    intermediary ZipFiles.  For example, /root/gparent.zip/parent.zip/child.zip
    will return a ZipFile that represents child.zip
    """

    def extract_inner_zipfile(parent_zip, child_zip_path):
        """Returns a ZipFile specified by child_zip_path that exists inside
        parent_zip.
        """
        memory_zip = StringIO()
        memory_zip.write(parent_zip.open(child_zip_path).read())
        return zipfile.ZipFile(memory_zip)

    if (''.zip'' + os.sep) in path:
        (parent_zip_path, child_zip_path) = os.path.relpath(path).split(
            ''.zip'' + os.sep, 1)
        parent_zip_path += ''.zip''

        if not parent_zip:
            # This is the top-level, so read from disk
            parent_zip = zipfile.ZipFile(parent_zip_path)
        else:
            # We''re already in a zip, so pull it out and recurse
            parent_zip = extract_inner_zipfile(parent_zip, parent_zip_path)

        return extract_nested_zipfile(child_zip_path, parent_zip)
    else:
        if parent_zip:
            return extract_inner_zipfile(parent_zip, path)
        else:
            # If there is no nesting, it''s easy!
            return zipfile.ZipFile(path)

Así es como lo probé:

echo hello world > hi.txt
zip wrap1.zip hi.txt
zip wrap2.zip wrap1.zip
zip wrap3.zip wrap2.zip

print extract_nested_zipfile(''/Users/mattfaus/dev/dev-git/wrap1.zip'').open(''hi.txt'').read()
print extract_nested_zipfile(''/Users/mattfaus/dev/dev-git/wrap2.zip/wrap1.zip'').open(''hi.txt'').read()
print extract_nested_zipfile(''/Users/mattfaus/dev/dev-git/wrap3.zip/wrap2.zip/wrap1.zip'').open(''hi.txt'').read()

Answer 2

Cuando utiliza la llamada .open() en una instancia de ZipFile , obtiene un identificador de archivo abierto. Sin embargo, para leer un archivo zip, la clase ZipFile necesita un poco más. Debe poder buscar en ese archivo, y el objeto devuelto por .open() no se puede buscar.

La solución es leer la entrada zip completa en la memoria usando .read() , almacenarla en un objeto BytesIO (un archivo en memoria que se puede buscar) y ZipFile a ZipFile :

from io import BytesIO

# ...
        zfiledata = BytesIO(zfile.read(name))
        with zipfile.ZipFile(zfiledata) as zfile2:

o, en el contexto de su ejemplo:

import zipfile
from io import BytesIO

with zipfile.ZipFile("parent.zip", "r") as zfile:
    for name in zfile.namelist():
        if re.search(r''/.zip$'', name) != None:
            # We have a zip within a zip
            zfiledata = BytesIO(zfile.read(name))
            with zipfile.ZipFile(zfiledata) as zf
                for name2 in zfile2.namelist():
                    # Now we can extract
                    logging.info( "Found internal internal file: " + name2)
                    print "Processing code goes here"

Answer 3

Para que esto funcionara con python33 (debajo de windows pero eso podría ser irrelevante) tuve que hacer:

 import zipfile, re, io
    with zipfile.ZipFile(file, ''r'') as zfile:
        for name in zfile.namelist():
            if re.search(r''/.zip$'', name) != None:
                zfiledata = io.BytesIO(zfile.read(name))
                with zipfile.ZipFile(zfiledata) as zfile2:
                    for name2 in zfile2.namelist():
                        print(name2)

cStringIO no existe, así que usé io.BytesIO