是否有一个Python模块的正则表达式在zip文件中匹配

Question

我有超过一百万个文本文件压缩成40个zip文件。我也有一个约500个手机型号名单。我想找出文本文件中提到的特定模型的次数。

是否有任何python模块可以在不解压的情况下对文件进行正则表达式匹配。有没有简单的方法解决这个问题，而不解压缩？

Answer 1

没有什么你想要的东西，它会自动做。

但是，有一个python zipfile模块，可以很容易地做到这一点。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

您可以循环浏览zip文件，使用zipfile模块读取单个文件并对这些文件运行正则表达式，从而无需一次解压缩所有文件。

我相当肯定你不能对压缩数据运行正则表达式，至少没有意义。

Answer 3

要访问zip文件的内容，您必须将其解压缩，尽管zipfile包使这非常容易，因为您可以单独解压缩存档中的每个文件。

Python zipfile module

Answer 4

是不是（至少在理论上）可能在ZIP的Huffman编码读取，然后将正则表达式转换成霍夫曼码？可能比第一次解压缩数据更有效，然后运行正则表达式？ （注：我知道它不会那么简单：你还必须处理ZIP编码—文件格式，块结构，反向引用—的其他方面，但有人认为这可能是公平的轻量级。）

编辑：另请注意，它可能是更合理的只使用zipfile解决方案。