如何使用R读取zip压缩文件中打包文件的大小

Question

R中的以下代码返回一个数据帧，其中包含文件名，解包长度（以字节为单位）和日期（不提取文件）。

unzip(path_to_zip, list = T) 

我想知道如何也可以提取打包（压缩）文件的大小，或者每个文件的压缩比。

我正在使用Windows 7机器。

谢谢！

Answer 1

使用unzip()函数，您不能：默认情况下，它使用内部C函数来完成它的功能，仅此而已。但是，它可以使用外部可执行文件，并且确实允许允许详细信息（使用-v）。为了使用它，你需要修改R的unzip()函数。这个答案的其余部分是练习“使用源，卢克”，表明当前的功能可以在需要时扩展。

unzip2 <- function (zipfile, files = NULL, list = FALSE, list.verbose = FALSE, overwrite = TRUE, 
        junkpaths = FALSE, exdir = ".", unzip = "internal", setTimes = FALSE) { 
    if (identical(unzip, "internal")) { 
     if (!list && !missing(exdir)) 
      dir.create(exdir, showWarnings = FALSE, recursive = TRUE) 
     res <- .External(utils:::C_unzip, zipfile, files, exdir, list, 
      overwrite, junkpaths, setTimes) 
     if (list) { 
      dates <- as.POSIXct(res[[3]], "%Y-%m-%d %H:%M", tz = "UTC") 
      data.frame(Name = res[[1]], Length = res[[2]], Date = dates, 
       stringsAsFactors = FALSE) 
     } 
     else invisible(attr(res, "extracted")) 
    } 
    else { 
     WINDOWS <- .Platform$OS.type == "windows" 
     if (!is.character(unzip) || length(unzip) != 1L || !nzchar(unzip)) 
      stop("'unzip' must be a single character string") 
     zipfile <- path.expand(zipfile) 
     if (list) { 
      dashl <- if (list.verbose) "-lv" else "-l" 
      res <- if (WINDOWS) 
       system2(unzip, c(dashl, shQuote(zipfile)), stdout = TRUE) 
      else system2(unzip, c(dashl, shQuote(zipfile)), stdout = TRUE, 
       env = c("TZ=UTC")) 
      l <- length(res) 
      res2 <- res[-c(1, 3, l - 1, l)] 
      con <- textConnection(res2) 
      on.exit(close(con)) 
      z <- read.table(con, header = TRUE, as.is = TRUE) 
      dt <- paste(z$Date, z$Time) 
      formats <- if (max(nchar(z$Date) > 8)) 
       c("%Y-%m-%d", "%d-%m-%Y", "%m-%d-%Y") 
      else c("%m-%d-%y", "%d-%m-%y", "%y-%m-%d") 
      slash <- any(grepl("/", z$Date)) 
      if (slash) 
       formats <- gsub("-", "/", formats) 
      formats <- paste(formats, "%H:%M") 
      for (f in formats) { 
       zz <- as.POSIXct(dt, tz = "UTC", format = f) 
       if (all(!is.na(zz))) 
        break 
      } 
      z[, "Date"] <- zz 
      z <- z[, colnames(z) != "Time"] 
      nms <- c("Name", "Length", "Date") 
      z[, c(nms, setdiff(colnames(z), nms))] 
     } 
     else { 
      args <- c("-oq", shQuote(zipfile)) 
      if (length(files)) 
       args <- c(args, shQuote(files)) 
      if (exdir != ".") 
       args <- c(args, "-d", shQuote(exdir)) 
      system2(unzip, args, stdout = NULL, stderr = NULL, 
       invisible = TRUE) 
      invisible(NULL) 
     } 
    } 
} 

在此，我修改线：1（参数），6（utils:::），21-25（dashl），45和46-47中加入（列选择）。其余的是从原来的R unzip功能。

默认情况下，unzip2的行为与unzip完全相同，这意味着它不会给你想要的东西。为了得到您想要的结果，您需要（a）告诉它您的外部unzip.exe位于何处，并且（b）告诉它您希望它是冗长的。 （请随意修改上述定义以更改默认值。）

请注意，在Windows上，unzip.exe默认情况下通常不会安装。它包含在Rtools,Git-for-Windows和msys2中。您可能需要更多努力才能确保Sys.which("unzip")找到可执行文件。

这使用（默认）内部C函数，这意味着没有更多可以来。

unzip2("~/bashdotfiles.zip", list = TRUE) 
#   Name Length    Date 
# 1 .bash_history 8269 2017-02-20 03:31:00 
# 2 .bash_logout 220 2016-04-22 22:36:00 
# 3  .bashrc 3771 2016-04-22 22:36:00 

它们使用外部可执行文件，并且在功能上是相同的（虽然注意到日期，由于内部UTC转换是不同的......这可能是固定一点点更多的努力）。

unzip2("~/bashdotfiles.zip", list = TRUE, unzip = Sys.which("unzip")) 
#   Name Length    Date 
# 1 .bash_history 8269 2017-02-20 11:31:00 
# 2 .bash_logout 220 2016-04-23 05:36:00 
# 3  .bashrc 3771 2016-04-23 05:36:00 

最后，增强上市：

unzip2("~/bashdotfiles.zip", list = TRUE, list.verbose = TRUE, unzip = Sys.which("unzip")) 
#   Name Length    Date Method Size Cmpr CRC.32 
# 1 .bash_history 8269 2017-02-20 11:31:00 Defl:N 2717 67% 99c8d736 
# 2 .bash_logout 220 2016-04-23 05:36:00 Defl:N 158 28% 6ce3189b 
# 3  .bashrc 3771 2016-04-23 05:36:00 Defl:N 1740 54% ab254644