如何用Python3批量提取压缩包内的特定格式文件-Python教程-PHP中文网

zipfile可遍历zip包并按后缀筛选提取，需用namelist()或infolist()遍历、endswith()或suffix判断，注意路径分隔符为/、编码问题及异常处理。

如何用python3批量提取压缩包内的特定格式文件

Python 标准库 zipfile 足够应付大多数 ZIP 批量提取需求，无需额外安装。关键不是“解压全部”，而是先遍历成员、按后缀过滤、再逐个提取。

常见错误是直接调用 extractall() 后再删文件——既浪费 I/O，又可能误删同名非目标文件。

ZipFile.namelist() 返回所有路径字符串，可直接用 .endswith('.txt') 或 pathlib.Path(name).suffix in {'.log', '.csv'} 判断
注意路径分隔符：ZIP 内部统一用 /，即使在 Windows 上生成的包也如此；不要用 os.path 处理内部路径
若压缩包含嵌套目录，name 是完整路径（如 'data/2024/report.pdf'），提取时 extract() 会自动重建目录结构

zipfile 只支持 ZIP、JAR、DOCX（本质 ZIP）等基于 ZIP 格式的文件，对 RAR、7z、ACE 等完全无效。尝试打开会抛出 BadZipFile 或静默失败。

真实场景中，混合压缩格式很常见。稳妥做法是先用 file 命令或魔数检测类型（Python 可用 python-magic），再分发处理：

RAR：需系统已安装 unrar 命令行工具，用 subprocess.run(['unrar', 'x', '-o+', archive, '*.log'], cwd=dst_dir)
7z：依赖 7z 命令，参数为 ['7z', 'x', archive, '-o'+dst_dir, '-r', '*.json']；注意 -r 表示递归匹配子目录
不建议用 pyunpack 或 patool：它们只是命令行工具包装器，仍需宿主机安装对应解压程序，且错误反馈模糊

默认 extract() 会还原 ZIP 内路径结构，但有时你只想拿所有 .py 文件到一个文件夹里，不管它原来在哪层目录下。

python-parallelization

将顺序 Python 代码转换为并行/并发实现，用于在需要并行化 Python 代码、提升性能时使用。

下载

这时不能只改写文件名，还要防止重名覆盖：

扁平化提取：对每个匹配的 name，用 os.path.basename(name) 取文件名，再用计数器或哈希去重（如 f"{i}_{basename}"）
注意编码问题：某些老 ZIP 用 GBK 存中文路径，ZipFile 默认按 UTF-8 解码会报 UnicodeDecodeError；可传参 ZipFile(archive, 'r', metadata_encoding='gbk')（Python 3.11+）
大包慎用 namelist() 全加载：超万级文件时内存压力明显；可用 infolist() + 按需检查 info.filename，效果相同但更省内存

实际批量任务中，部分压缩包损坏、密码保护、权限不足很常见。硬抛异常会导致整个流程中断。

必须为每个包单独 try/catch，并记录日志而不是打印堆栈：

捕获 zipfile.BadZipFile（非 ZIP 或损坏）、RuntimeError（加密 ZIP 未提供密码）、PermissionError（目标目录不可写）
加密 ZIP 若知道密码，可用 ZipFile.setpassword(b'pwd')，但仅支持 ZIP 2.0 传统加密，不支持 AES
别忽略 BrokenPipeError：当输出被重定向（如 > /dev/null）而提前终止时触发，属于正常退出信号，不应视为错误

真正容易被忽略的是时间戳还原——extract() 默认不恢复原始修改时间，需手动调用 os.utime() 配合 ZipInfo.date_time，否则日志分析类任务会丢失关键时序信息。