從壓縮文件和已知起始位置讀取R中的二進制文件（字節偏移量）

Question

我在Windows操作系統下有一個壓縮的二進制文件，我試圖用R讀取。到目前爲止，它使用unz（）函數結合readBin（）函數。

> bin.con <- unz(zip_path, file_in_zip, open = 'rb') 
> readBin(bin.con, 
      "double", 
      n = byte_chunk, 
      size = 8L, 
      endian = "little") 
> close(bin.con) 

凡zip_path是路徑zip文件，file_in_zip是zip文件將被讀取並byte_chunk，我想讀取的字節數內的文件名。

在我的用例中，readBin操作是循環的一部分，並逐漸讀取整個二進制文件。但是，我很少想要閱讀所有內容，並且經常知道我要閱讀哪些部分。不幸的是，readBin沒有啓動/跳過參數來跳過前n個字節。因此，我試圖有條件地用seek（）替換readBin（），以便跳過實際讀取不需要的部分。

當我嘗試，我得到一個錯誤：

> bin.con <- unz(zip_path, file_in_zip, open = 'rb') 
> seek(bin.con, where = bytes_to_skip, origin = 'current') 
Error in seek.connection(bin.con, where = bytes_to_skip, origin = "current") : 
    seek not enabled for this connection 
> close(bin.con) 

到目前爲止，我沒有找到一個方法來解決這個錯誤。類似的問題都可以在這裏找到（可惜沒有一個滿意的答案）：

• https://stat.ethz.ch/pipermail/r-help/2007-December/148847.html（無答案）
• http://r.789695.n4.nabble.com/reading-file-in-zip-archive-td4631853.html（沒有答案，但重複的例子）

提示所有在互聯網上建議增加打開='r'參數到unz（）或完全放棄open參數，但只適用於非二進制文件（因爲默認值爲'r'）。人們還建議首先解壓縮文件，但由於文件相當大，這實際上是不可能的。

是否有任何解決方法尋找二進制壓縮文件或讀取字節偏移量（可能使用C++通過Rcpp包）？

更新：

進一步的研究似乎表明，尋求（）在zip文件不是一個簡單的問題。 建議一個C++庫，最多可以使用粗略搜索。 This Python question表示由於zip的實現方式（儘管它與粗略搜索方法不矛盾），精確查找是完全不可能的。

Answer 1

這裏有一點可能適合你的破解。這裏有一個假的二進制文件：

writeBin(as.raw(1:255), "file.bin") 
readBin("file.bin", raw(1), n = 16) 
# [1] 01 02 03 04 05 06 07 08 09 0a 0b 0c 0d 0e 0f 10 

而這裏的生產zip文件：

zip("file.zip", "file.bin") 
# adding: file.bin (stored 0%) 
readBin("file.zip", raw(1), n = 16) 
# [1] 50 4b 03 04 0a 00 02 00 00 00 7b ab 45 4a 87 1f 

它使用一個臨時的中間二進制文件。

system('sh -c "unzip -p file.zip file.bin | dd of=tempfile.bin bs=1c skip=5c count=4c"') 
# 4+0 records in 
# 4+0 records out 
# 4 bytes copied, 0.00044964 s, 8.9 kB/s 
file.info("tempfile.bin")$size 
# [1] 4 
readBin("tempfile.bin", raw(1), n = 16) 
# [1] 06 07 08 09 

該方法將處理存儲二進制數據大小的「開銷」抵消到shell/pipe上，從R中移除。

這對win10，R-3.3.2有效。我使用Git for Windows（版本2.11.0.3，儘管2.11.1可用）的dd，以及來自RTools的unzip和sh。

Sys.which(c("dd", "unzip", "sh")) 
#         dd 
# "C:\\PROGRA~1\\Git\\usr\\bin\\dd.exe" 
#         unzip 
#   "c:\\Rtools\\bin\\unzip.exe" 
#         sh 
#    "c:\\Rtools\\bin\\sh.exe"