
在从互联网下载文件时,一个常见的误区是假设提供的url总是直接指向我们期望的文件类型(例如,一个csv文件)。然而,实际情况可能并非如此。有时,为了传输效率或组织结构,服务器会将目标文件封装在一个压缩包(如zip文件)中,而url实际上指向的是这个压缩包。如果直接将下载到的压缩包内容作为目标文件类型(例如csv)进行处理,就会导致文件损坏或解析错误。
最初的尝试可能像这样:
import requests
import pandas as pd
from tqdm import tqdm
def download_and_process_csv(url, save_path):
try:
response = requests.get(url, stream=True)
response.raise_for_status() # 检查HTTP请求是否成功
with open(save_path, "wb") as file:
for chunk in tqdm(response.iter_content(chunk_size=8192)):
if chunk:
file.write(chunk)
print(f"文件已下载到: {save_path}")
# 尝试直接读取CSV
csv_data = pd.read_csv(save_path)
print("CSV文件内容前5行:")
print(csv_data.head())
except requests.exceptions.RequestException as e:
print(f"请求错误: {e}")
except pd.errors.EmptyDataError:
print(f"文件 {save_path} 为空或不包含数据。")
except Exception as e:
print(f"发生错误: {e}")
# 示例URL (假设它直接是CSV,但实际可能是ZIP)
# download_and_process_csv("your_csv_url_here", "downloaded_file.csv")当URL实际指向一个ZIP文件时,上述代码会下载ZIP文件的二进制内容,并将其保存为.csv后缀的文件。后续pd.read_csv()尝试解析这个ZIP文件时,就会因为格式不匹配而失败,导致“文件损坏”的现象。
解决这个问题的关键在于:
对于ZIP文件,Python提供了zipfile模块进行处理。为了避免将整个压缩文件写入磁盘后再读取解压,我们可以利用tempfile模块创建一个临时文件,将下载的二进制流写入其中,然后直接从内存中的临时文件进行解压。
Delphi 7应用编程150例 CHM全书内容下载,全书主要通过150个实例,全面、深入地介绍了用Delphi 7开发应用程序的常用方法和技巧,主要讲解了用Delphi 7进行界面效果处理、图像处理、图形与多媒体开发、系统功能控制、文件处理、网络与数据库开发,以及组件应用等内容。这些实例简单实用、典型性强、功能突出,很多实例使用的技术稍加扩展可以解决同类问题。使用本书最好的方法是通过学习掌握实例中的技术或技巧,然后使用这些技术尝试实现更复杂的功能并应用到更多方面。本书主要针对具有一定Delphi基础知识
0
以下是处理ZIP文件的正确方法:
import requests
import zipfile
import tempfile
import os
from tqdm import tqdm
def download_and_extract_zip(url, extract_path="."):
"""
从URL下载ZIP文件并解压其内容。
Args:
url (str): ZIP文件的下载URL。
extract_path (str): 解压文件的目标路径。默认为当前工作目录。
"""
CHUNK_SIZE = 32 * 1024 # 定义分块大小,例如32KB
try:
print(f"开始从 {url} 下载...")
with requests.get(url, stream=True) as response:
response.raise_for_status() # 检查HTTP请求是否成功
# 使用临时文件存储下载的ZIP内容
with tempfile.TemporaryFile() as temp_zip_file:
# 获取文件总大小以显示进度
total_size = int(response.headers.get('content-length', 0))
with tqdm(total=total_size, unit='B', unit_scale=True, desc="下载ZIP") as pbar:
for chunk in response.iter_content(chunk_size=CHUNK_SIZE):
if chunk: # 过滤掉保持连接的新块
temp_zip_file.write(chunk)
pbar.update(len(chunk))
temp_zip_file.flush() # 确保所有数据都写入临时文件
temp_zip_file.seek(0) # 将文件指针移回文件开头,以便zipfile读取
print("下载完成,开始解压...")
with zipfile.ZipFile(temp_zip_file) as zf:
print(f"ZIP文件包含以下内容: {zf.namelist()}")
# 确保解压路径存在
os.makedirs(extract_path, exist_ok=True)
zf.extractall(path=extract_path)
print(f"文件已成功解压到: {os.path.abspath(extract_path)}")
return zf.namelist() # 返回解压的文件名列表
except requests.exceptions.RequestException as e:
print(f"请求错误: {e}")
except zipfile.BadZipFile:
print(f"下载的文件不是一个有效的ZIP文件。请检查URL或文件内容。")
except Exception as e:
print(f"发生未知错误: {e}")
return []
# 示例用法:
# 假设此URL指向一个包含CSV文件的ZIP文件
ZIP_URL = "https://prod-dcd-datasets-cache-zipfiles.s3.eu-west-1.amazonaws.com/mpjzbtfgfr-1.zip"
extracted_files = download_and_extract_zip(ZIP_URL, extract_path="./extracted_data")
if extracted_files:
print("\n解压后的文件列表:")
for f_name in extracted_files:
print(f"- {f_name}")
# 如果需要,可以进一步处理解压后的文件,例如读取CSV
if f_name.endswith(".csv"):
try:
# 假设CSV文件在解压路径下
csv_path = os.path.join("./extracted_data", f_name)
df = pd.read_csv(csv_path)
print(f"成功读取 {f_name} 的前5行数据:")
print(df.head())
except Exception as e:
print(f"读取CSV文件 {f_name} 时发生错误: {e}")
通过本文的教程,我们学习了如何利用Python的requests、zipfile和tempfile模块,优雅且健壮地从URL下载并处理压缩文件。关键在于正确识别URL背后实际的文件类型,并采取相应的处理策略,避免直接将压缩包内容误读为目标文件,从而解决文件下载后损坏的问题。这种方法不仅提高了代码的可靠性,也优化了资源管理,是进行网络文件下载时的重要实践。
以上就是高效处理URL文件下载:解决压缩包内文件损坏问题的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号