如何使用Python压缩文件?zipfile模块指南

使用python压缩文件主要通过zipfile模块实现。首先创建zip包,用zipfile类指定写入模式,并调用.write()添加文件;其次,添加多个文件可多次调用.write()或遍历文件列表;第三,压缩整个目录需结合os.walk()递归获取文件并处理相对路径;第四,读取内容用.namelist(),解压可用.extract()或.extractall();最后,支持设置压缩类型如zip_deflated以提升压缩率,但不支持rar、7z等格式。

如何使用Python压缩文件?zipfile模块指南

用Python压缩文件其实挺常见的,尤其是用zipfile模块。它功能够用,标准库里自带,不用额外安装。如果你需要打包文件或者减少存储体积,这个模块基本能满足需求。

如何使用Python压缩文件?zipfile模块指南

创建ZIP压缩包

要压缩文件,第一步就是创建一个ZIP包。你可以用ZipFile类,并指定模式为写入(’w’)。注意路径问题,确保你要压缩的文件确实存在,否则会报错。

举个例子:
假设你想把example.txt打包进去,代码大概是这样:

如何使用Python压缩文件?zipfile模块指南

import zipfilewith zipfile.ZipFile('my_archive.zip', 'w') as zipf:    zipf.write('example.txt')

这段代码会在当前目录下生成一个叫my_archive.zip的压缩包,里面包含example.txt。如果你想加多个文件,可以多次调用write(),或者遍历文件列表。

立即学习“Python免费学习笔记(深入)”;

添加多个文件或整个文件夹

如果想压缩整个目录里的内容,一个个写文件名就太麻烦了。这时候可以用os模块遍历文件夹,然后逐个添加进去。

如何使用Python压缩文件?zipfile模块指南

这里有个小技巧:你最好使用os.walk()来递归获取所有文件。记得处理相对路径,不然压缩包里可能带入完整路径结构,看起来很乱。

示例做法:

import osimport zipfiledef zip_folder(folder_path, output_zip):    with zipfile.ZipFile(output_zip, 'w') as zipf:        for foldername, subfolders, filenames in os.walk(folder_path):            for filename in filenames:                file_path = os.path.join(foldername, filename)                arcname = os.path.relpath(file_path, start=folder_path)                zipf.write(file_path, arcname)

这样就能把整个文件夹内容打包进ZIP,而且不会带上原始路径信息。

读取和解压ZIP文件

除了打包,有时候你也需要查看或解压ZIP里的内容。用ZipFile对象的.namelist()方法可以列出所有文件名。如果想提取单个文件,用.extract();想全部解压,用.extractall()

比如:

with zipfile.ZipFile('my_archive.zip', 'r') as zipf:    print(zipf.namelist())  # 查看内容    zipf.extractall('output_folder')  # 解压到指定目录

注意权限问题,特别是解压到某些受保护目录时可能会失败。

压缩级别与格式限制

默认情况下,zipfile使用的是DEFLATE压缩算法,压缩率一般。如果你希望压缩更小,可以在write()的时候加上compress_type=zipfile.ZIP_DEFLATED参数。但要注意,不是所有压缩方式都支持,比如BZIP2只在Python 3.6+才支持。

另外,zipfile不支持7z、RAR等格式。如果项目有这方面需求,得换其他第三方库,比如py7zrrarfile

如果只是简单打包,用zipfile完全够用;如果需要更高压缩率,可以考虑用tarfile + gzip/bz2/xz组合;如果要加密压缩,zipfile支持密码,但功能有限,复杂场景建议找专用工具

基本上就这些。操作起来不算难,但有些细节容易忽略,比如路径处理、压缩类型选择,这些会影响最终结果。

以上就是如何使用Python压缩文件?zipfile模块指南的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/1363740.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年12月14日 03:35:21
下一篇 2025年12月14日 03:35:33

相关推荐

  • 怎样用Python处理高维数据?PCA降维技术详解

    python中使用pca进行数据降维的核心步骤包括:1. 数据准备与标准化,2. 初始化并应用pca模型,3. 分析解释方差比率以选择主成分数量,4. 结果解读与后续使用。pca通过线性变换提取数据中方差最大的主成分,从而降低维度、简化分析和可视化,同时减少冗余信息和计算成本。但需注意标准化处理、线…

    2025年12月14日 好文分享
    000
  • Python中如何使用多进程?multiprocessing模块详解

    python中绕过gil实现真正并行计算的最直接方式是使用multiprocessing模块;2. 该模块通过创建独立进程,每个进程拥有自己的解释器和内存空间,从而实现多核cpu并行计算;3. multiprocessing提供了process类创建和管理进程、queue/pipe实现进程间通信、以…

    2025年12月14日 好文分享
    000
  • 如何用Python爬取网页数据?requests+BeautifulSoup方案

    使用 python 抓取网页数据时,requests 和 beautifulsoup 是最常用的组合。requests 用于发送 http 请求并获取网页内容,而 beautifulsoup 则用于解析 html 并提取所需数据。1. 安装依赖库:使用 pip install requests be…

    2025年12月14日 好文分享
    000
  • 如何使用Python连接Hadoop?PyHDFS配置方法

    python连接hadoop可通过pyhdfs库实现,适用于数据分析、etl流程等场景。1. 安装pyhdfs使用pip install pyhdfs;2. 配置连接参数,指定namenode地址和用户名;3. 使用hdfsclient建立连接;4. 执行常见操作如列出目录、创建目录、上传下载文件;…

    2025年12月14日 好文分享
    000
  • 如何用Python实现数据挖掘?sklearn入门实例

    用 python 做数据挖掘入门并不难,掌握基础工具和流程即可上手。1. 准备环境与数据:安装 python 及 numpy、pandas、scikit-learn 等库,使用自带的鸢尾花数据集;2. 数据预处理:包括标准化、缺失值处理、类别编码,并拆分训练集和测试集;3. 选择模型并训练:如 kn…

    2025年12月14日 好文分享
    000
  • Python如何分析数据相关性—热力图与相关系数矩阵

    要分析数据相关性,最常用且直观的方式是使用 pandas 计算相关系数矩阵并用 seaborn 绘制热力图。1. 首先加载结构化数据并调用 df.corr() 得到皮尔逊相关系数矩阵,其值范围为 -1 到 1,分别表示负相关、无相关和正相关;2. 然后使用 seaborn.heatmap() 将矩阵…

    2025年12月14日
    000
  • 如何用Python处理时间序列数据?resample重采样

    使用pandas的resample方法进行时间序列数据处理及聚合的核心步骤如下:1. 确保dataframe或series具有datetimeindex,这是resample操作的前提;2. 使用resample(‘freq’)指定目标频率,如’d’(…

    2025年12月14日 好文分享
    000
  • Python怎样处理文本数据?字符串操作完整指南

    python处理文本数据的核心在于字符串操作与编码解码。1. 字符串可通过单引号、双引号或三引号定义,三引号适用于多行文本;2. 支持索引与切片操作,便于访问和反转字符序列;3. 提供拼接(+)、重复(*)及高效拼接的join()方法;4. 内置丰富字符串方法,如split()分割、replace(…

    2025年12月14日 好文分享
    000
  • 在Django模板中安全地将后端变量传递给外部JavaScript

    本文旨在提供两种在Django模板中将后端Python变量安全、高效地传递给外部JavaScript文件的方法:通过内联脚本声明变量和利用HTML数据属性。文章将详细阐述这两种方法的实现原理、具体代码示例,并探讨各自的适用场景、潜在问题及重要注意事项,包括数据类型处理、安全性(XSS防护)和脚本加载…

    2025年12月14日
    000
  • SQLite多列组合去重与关联数据提取教程

    本教程旨在解决SQLite中如何实现多列组合的唯一性筛选,并为每个唯一组合提取关联数据的问题。我们将探讨传统DISTINCT关键字的局限性,并详细介绍如何利用GROUP BY子句结合聚合函数来高效、准确地实现这一目标,同时提供清晰的代码示例和注意事项。 1. 问题背景与DISTINCT的局限性 在数…

    2025年12月14日
    000
  • Python中如何使用迭代器?生成器应用解析

    迭代器是实现__iter__()和__next__()方法的对象,用于按需遍历数据;生成器是使用yield的特殊迭代器,能延迟计算节省内存。1.迭代器通过next()逐个获取元素,如列表需用iter()转换;2.自定义迭代器需定义类并实现两个方法,如mycounter控制遍历状态;3.生成器用yie…

    2025年12月14日 好文分享
    000
  • 掌握Pandas cut 函数:实现自定义整数区间分箱与频率统计

    本文深入探讨了Pandas cut 函数在数据分箱中的应用,特别聚焦于如何解决其默认浮点区间输出不易理解的问题。通过引入 pd.interval_range,教程详细阐述了如何精确定义自定义的整数分箱区间,并结合 groupby 方法高效生成频率分布表。文章提供清晰的代码示例和关键注意事项,旨在帮助…

    2025年12月14日
    000
  • Python print() 函数的底层机制与硬件交互解析

    Python的print()函数并非直接与硬件交互,而是通过多层抽象实现文本输出。它首先将数据传递给由C语言实现的Python解释器,解释器进而利用操作系统的标准输出流(stdout)。操作系统负责管理这些流,并通过设备驱动程序将数据发送至显示硬件,最终呈现在屏幕上。这一过程体现了从高级语言到操作系…

    2025年12月14日
    000
  • 深入理解 Python print() 函数:从代码到屏幕的硬件交互之旅

    Python中的print()函数并非直接与硬件交互。其输出过程涉及多层抽象:Python解释器将数据传递给操作系统,操作系统通过标准输出流和设备驱动程序最终将文本渲染到屏幕上。理解这一过程需要深入探究解释器、操作系统和底层C语言I/O机制的协同工作。 当我们执行一行简单的Python代码,例如 p…

    2025年12月14日
    000
  • SQLite:使用 GROUP BY 检索多列的唯一组合及关联数据

    本文探讨了在 SQLite 中如何高效地查询多列的唯一组合,并为每个组合检索关联数据。针对用户尝试使用 DISTINCT 关键字但遇到错误的情况,教程详细阐述了 GROUP BY 子句的正确用法,并结合聚合函数如 MIN(),演示了如何从每个唯一组合中选择特定的行数据,从而避免重复,实现类似 Pyt…

    2025年12月14日
    000
  • 深入解析Python print() 函数:从高级抽象到硬件交互的旅程

    本文深入探讨Python print() 函数在硬件层面的运作机制。它揭示了print()如何通过Python解释器将文本数据传递给操作系统管理的标准输出流(stdout),进而依赖底层C语言实现与操作系统内核及设备驱动程序交互,最终将字符呈现在屏幕上,而非直接与硬件通信。 Python的print…

    2025年12月14日
    000
  • Python怎样实现网页截图?selenium无头模式

    python结合selenium无头模式实现网页截图的核心步骤是:1. 安装selenium库并下载对应浏览器的webdriver;2. 导入webdriver和options模块;3. 创建chromeoptions对象并添加–headless、–disable-gpu、&…

    2025年12月14日 好文分享
    000
  • 怎样用Python实现数据标准化?sklearn预处理指南

    数据标准化是机器学习中不可或缺的一步,因为它能消除不同特征之间的量纲影响,加速模型收敛,并提升依赖距离计算算法的性能。1. 标准化可防止数值范围大的特征(如收入)在模型训练中占据主导地位,使模型更公平地对待所有特征;2. 对基于梯度下降的模型(如线性回归、神经网络),标准化使损失函数等高线更圆润,加…

    2025年12月14日 好文分享
    000
  • 如何用Python进行数据预测—ARIMA时间序列建模

    arima模型适用于时间序列预测,需遵循平稳性检验、参数选择、建模与预测、评估优化四个步骤。1. 数据需平稳,可通过差分和adf检验处理;2. 通过acf/pacf图或网格搜索确定p,d,q参数;3. 使用statsmodels库训练模型并预测未来值;4. 用mae、rmse等指标评估,优化参数或引…

    2025年12月14日 好文分享
    000
  • 如何用Python处理JSON嵌套结构—json_normalize平铺技巧

    json_normalize 是 pandas 用于处理嵌套 json 数据的工具。1. 理解嵌套 json 结构,如包含字典和列表的多层结构;2. 使用 json_normalize 可将嵌套数据拍平成表格形式,地址字段通过点号路径展开;3. 利用 explode 展开列表字段,每个元素单独一行,…

    2025年12月14日 好文分享
    000

发表回复

登录后才能评论
关注微信