我正在努力将我的备份脚本从shell转换为Python.我的旧脚本的一个功能是通过执行以下操作来检查创建的tarfile的完整性：gzip -t.

这在Python中似乎有点棘手.

似乎唯一的方法是通过读取tarfile中的每个压缩的TarInfo对象.

有没有办法检查tarfile的完整性,无需提取到磁盘,或将其保存在内存中(完整地)？

freenode上#python上的好人建议我应该逐块读取每个TarInfo对象,丢弃每个块读取.

我必须承认,我不知道如何做到这一点,因为我刚刚开始使用Python.

想象一下,我有一个30GB的tarfile,其中包含1kb到10GB的文件……

这是我开始编写的解决方案：

try:
    tardude = tarfile.open("zero.tar.gz")
except:
    print "There was an error opening tarfile. The file might be corrupt or missing."

for member_info in tardude.getmembers():
    try:
        check = tardude.extractfile(member_info.name)
    except:
        print "File: %r is corrupt." % member_info.name

tardude.close()

这段代码远未完成.我不敢在巨大的30GB tar存档上运行它,因为在某一点上,检查将是10 GB的对象(如果我在tar存档中有这么大的文件)

奖金：
我试过手动破坏zero.tar.gz(十六进制编辑器 – 编辑几个字节midfile).第一个除了没有捕获IOError …这是输出：

Traceback (most recent call last):
  File "./test.py", line 31, in <module>
    for member_info in tardude.getmembers():
  File "/usr/lib/python2.7/tarfile.py", line 1805, in getmembers
    self._load()        # all members, we first have to
  File "/usr/lib/python2.7/tarfile.py", line 2380, in _load
    tarinfo = self.next()
  File "/usr/lib/python2.7/tarfile.py", line 2315, in next
    self.fileobj.seek(self.offset)
  File "/usr/lib/python2.7/gzip.py", line 429, in seek
    self.read(1024)
  File "/usr/lib/python2.7/gzip.py", line 256, in read
    self._read(readsize)
  File "/usr/lib/python2.7/gzip.py", line 320, in _read
    self._read_eof()
  File "/usr/lib/python2.7/gzip.py", line 342, in _read_eof
    hex(self.crc)))
IOError: CRC check failed 0xe5384b87 != 0xdfe91e1L

解决方法:

只是对Aya’s答案的一个小改进,使事情变得更加惯用(尽管我正在删除一些错误检查以使机制更加明显)：

BLOCK_SIZE = 1024

with tarfile.open("zero.tar.gz") as tardude:
    for member in tardude.getmembers():
        with tardude.extractfile(member.name) as target:
            for chunk in iter(lambda: target.read(BLOCK_SIZE), b''):
                pass

这实际上只是删除了while 1 :(有时被认为是次要代码气味)和if if not data：check.另请注意,使用with将此限制为Python 2.7