怎样在Python中使用gzip模块以流式方式读写超大压缩文件?

云婷小哥_2449

云婷小哥_2449

2026-11-22

852人浏览

原创

gzip.open() 比 open() + zlib 更适合流式读写,因其内置缓冲与分块解压逻辑,自动处理 gzip 头/尾、多段流及 CRC 校验,避免手动管理 decompressobj 状态导致的 OSError 或 zlib.error,且默认 16KB 分块适配超大文件。

怎样在python中使用gzip模块以流式方式读写超大压缩文件?

gzip.open() 为什么比 open() + zlib 更适合流式读写

因为 gzip.open() 内置缓冲与分块解压逻辑,能直接返回类文件对象,无需手动管理 zlib.decompressobj() 状态,避免内存爆满或解压失败。它默认按 16KB 块处理,适配大多数超大文件场景;而裸用 zlib 需自己处理 gzip 头、尾、多段压缩流,极易出错。

常见错误现象:OSError: Not a gzipped file(误用 zlib.decompress() 直接解压完整字节)、zlib.error: Error -3 while decompressing data(跳过 gzip header 或未处理 trailer)。

  • 始终优先用 gzip.open(),除非你需要自定义压缩级别以外的底层控制(比如拼接多个 gzip 流)
  • 读写模式必须匹配:写用 'wb',读用 'rb';文本模式('wt'/'rt')会自动处理换行和编码,但注意 Python 3 中 'rt' 默认用 utf-8,若源文件是其他编码(如 gbk),需显式传 encoding='gbk'
  • 不要对已打开的 gzip.GzipFile 对象反复调用 read() 超出实际数据长度——它不会像普通文件那样返回空字节,而可能抛 EOFError

如何安全地流式读取几十 GB 的 .gz 文件

核心是避免一次性 read() 全文,改用循环 read(chunk_size) 或逐行迭代(适用于文本)。关键点在于:gzip 流本身无“行”概念,但 gzip.open(..., 'rt') 包装后支持 for line in f:,底层已做缓冲优化。

示例:逐行处理日志压缩包

import gzip
<p>with gzip.open('access.log.gz', 'rt', encoding='utf-8') as f:
for i, line in enumerate(f):
if i >= 1000000:
break</p><h1>处理单行,不加载整文件到内存</h1><pre class="brush:php;toolbar:false;">    process_line(line)

Define repeatable Python automation sessions in code with nox
Define repeatable Python automation sessions in code with nox

将测试、lint、构建和文档流程编码为命名的Python会话,以便人类和代理每次运行相同的workflow。

下载
  • chunk_size 推荐设为 8192 或 65536,太小(如 1)导致系统调用过多,太大(如 100MB)失去流式意义
  • 若文件含二进制内容(如序列化 pickle),必须用 'rb' 模式,且不能用 for ... in f —— 改用 while True: chunk = f.read(8192); if not chunk: break
  • 注意:gzip 不支持随机 seek(f.seek() 会失败或返回错误位置),所以无法“跳到第 N 行”,只能顺序遍历

写入超大 gzip 文件时如何控制压缩级别和内存占用

gzip.open() 的 compresslevel 参数直接影响 CPU 时间与最终体积,但**不影响内存峰值**——写入过程始终是流式分块压缩,无论设 0 还是 9,内存占用基本一致(约几 MB 缓冲区)。

常见误区:以为设 compresslevel=0 就等于“不压缩”,其实仍是 gzip 格式(有 header/trailer),只是 LZ77 未启用,仅做存储(类似 zip 的 STORE 方式)。

  • 生产环境推荐 compresslevel=6(默认值),平衡速度与压缩率;调试阶段可用 compresslevel=0 快速验证流程
  • 写文本时,newline='' 传给 gzip.open() 无效,需在内部包装的 io.TextIOWrapper 层控制,更稳妥的做法是用 'wb' 写 bytes,自行 .encode()
  • 务必用 with 语句或显式调用 f.close() —— 否则 gzip trailer(CRC 和 size)可能写不全,导致后续读取报 OSError: CRC check failed

遇到 “OSError: Invalid compressed data” 怎么快速定位

这通常不是 Python 层 bug,而是输入流损坏、截断或混入非 gzip 数据。gzip 协议要求严格校验 header magic(\x1f\x8b)和末尾 8 字节 trailer(CRC32 + uncompressed size),任一缺失即报此错。

  • 先用命令行验证:gzip -t broken.gz,若失败说明文件本身异常
  • 检查是否用 'ab' 模式多次打开同一文件追加写入——gzip 不支持追加,每次写必须是全新流;若需增量写,得先解压、追加、再重压
  • 网络传输中若用 requests.get(url, stream=True) 获取 gzip 响应,别直接传 r.raw 给 gzip.open(),要确保 Content-Encoding 确实是 gzip 且响应体未被 requests 自动解压(检查 r.headers.get('content-encoding') 和 r.raw.read(2) == b'\x1f\x8b')

gzip 的流式能力很可靠,但前提是数据格式干净。一旦出错,优先怀疑来源而非 Python 实现。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5664

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1929

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34797

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4047

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4067

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3163

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程