是否有一個Python模塊的正則表達式在zip文件中匹配

Question

我有超過一百萬個文本文件壓縮成40個zip文件。我也有一個約500個手機型號名單。我想找出文本文件中提到的特定模型的次數。

是否有任何python模塊可以在不解壓的情況下對文件進行正則表達式匹配。有沒有簡單的方法解決這個問題，而不解壓縮？

Answer 1

沒有什麼你想要的東西，它會自動做。

但是，有一個python zipfile模塊，可以很容易地做到這一點。以下是如何迭代文件中的行。

#!/usr/bin/python 

import zipfile 
f = zipfile.ZipFile('myfile.zip') 

for subfile in f.namelist(): 
    print subfile 
    data = f.read(subfile) 
    for line in data.split('\n'): 
     print line 

Answer 2

您可以循環瀏覽zip文件，使用zipfile模塊讀取單個文件並對這些文件運行正則表達式，從而無需一次解壓縮所有文件。

我相當肯定你不能對壓縮數據運行正則表達式，至少沒有意義。

Answer 3

要訪問zip文件的內容，您必須將其解壓縮，儘管zipfile包使這非常容易，因爲您可以單獨解壓縮存檔中的每個文件。

Python zipfile module

Answer 4

是不是（至少在理論上）可能在ZIP的Huffman編碼讀取，然後將正則表達式轉換成霍夫曼碼？可能比第一次解壓縮數據更有效，然後運行正則表達式？ （注：我知道它不會那麼簡單：你還必須處理ZIP編碼—文件格式，塊結構，反向引用—的其他方面，但有人認爲這可能是公平的輕量級。）

編輯：另請注意，它可能是更合理的只使用zipfile解決方案。