Python 2.7:使用“lzma”模块使用XZ格式压缩数据

我正在试验Python 2.7.6中的lzma模块,看看我是否可以使用XZ格式为将来使用它的项目创建压缩文件.我在实验中使用的代码是:

import lzma as xz

in_file = open('/home/ki2ne/Desktop/song.wav', 'rb')
input_data = in_file.read()

compressed_data = xz.compress(input_data)
out_file = open('/home/ki2ne/Desktop/song.wav.xz', 'wb')
in_file.close()
out_file.close()

我注意到生成的文件中有两个不同的校验和(MD5和SHA256)与我使用普通xz时相比(虽然我可以用任何一种方法解压缩 – 两个文件的解压缩版本的校验和是相同的).这会是个问题吗?

更新:我通过peterjc的Git存储库(link here)安装backport(来自Python 3.3)找到了一个修复程序,现在它显示了相同的校验和.不确定它是否有帮助,但我确保没有安装我的存储库中的LZMA Python模块以避免可能的名称冲突.

这是我的测试代码,以确认这一点:

# I have created two identical text files with some random phrases

from subprocess import call
from hashlib import sha256
from backports import lzma as xz

f2 = open("test2.txt" , 'rb')
f2_buf = buffer(f2.read())
call(["xz", "test1.txt"])

f2_xzbuf = buffer(xz.compress(f2_buf))
f1 = open("test1.txt.xz", 'rb')
f1_xzbuf = buffer(f1.read())

f1.close(); f2.close()

f1sum = sha256(); f2sum = sha256()

f1sum.update(f1_xzbuf); f2sum.update(f2_xzbuf)

if f1sum.hexdigest() == f2sum.hexdigest():
    print "Checksums OK"
else:
    print "Checksum Error"

我也使用常规sha256sum验证它(当我将数据写入文件时).

解决方法:

我不会担心压缩文件的差异 – 根据容器格式和.xz文件中使用的校验和类型,压缩数据可能会有所不同,而不会影响内容.

编辑我一直在深入研究这个问题,并编写了这个脚本来测试PyLZMA Python2.x模块和内置模块的lzma Python3.x

from __future__ import print_function
try:
    import lzma as xz
except ImportError:
    import pylzma as xz
import os

# compress with xz command line util
os.system('xz -zkf test.txt')

# now compress with lib
with open('test.txt', 'rb') as f, open('test.txt.xzpy', 'wb') as out:
    out.write(xz.compress(bytes(f.read())))

# compare the two files
from hashlib import md5

with open('test.txt.xz', 'rb') as f1, open('test.txt.xzpy', 'rb') as f2:
    hash1 = md5(f1.read()).hexdigest()
    hash2 = md5(f2.read()).hexdigest() 
    print(hash1, hash2)
    assert hash1 == hash2

这会使用xz命令行实用程序和Python模块压缩文件test.txt并比较结果.在Python3下,lzma产生与xz相同的结果,但是在Python2下,PyLZMA产生的结果不同,无法使用xz命令行util提取.

您使用的是哪个模块在Python2中称为“lzma”,您使用什么命令来压缩数据?

编辑2好的,我找到了Python2的pyliblzma模块.然而它似乎使用CRC32作为默认校验和算法(其他人使用CRC64)并且有一个错误阻止更改校验和算法https://bugs.launchpad.net/pyliblzma/+bug/1243344

您可以尝试使用xz -C crc32进行压缩来比较结果,但是我仍然没有使用Python2库成功制作有效的压缩文件.

上一篇:使用Java解压缩包含多个文件和目录的7zip存档


下一篇:Android新特性——App Bundles