Python压缩：gzip与zipfile文件操作

认识 gzip 与 zipfile：选择合适的压缩方式

在 Python 生态中，gzip 与 zipfile 虽然都用于数据压缩，但设计初衷与适用场景截然不同。gzip 模块基于 DEFLATE 算法，专注于单个文件的流式数据压缩，生成的文件通常以 .gz 为扩展名。它不保留原始目录结构，仅对单一数据流进行压缩，常用于日志文件、网络传输或数据库备份的体积缩减。相比之下，zipfile 模块实现的是 ZIP 归档格式，核心优势在于多文件与目录的打包归档。ZIP 文件内部维护了完整的文件列表、目录层级及元数据，扩展名为 .zip，非常适合项目源码分发、多资源打包或跨平台文件交换。选择时，若只需压缩单个大文件（如 .txt 或 .csv），gzip 更轻量高效；若需将多个文件连同文件夹结构一并打包，则必须使用 zipfile。理解这一差异能避免在复杂归档任务中误用模块，从而提升开发效率。

用 gzip 压缩与读取单个文件

使用 gzip 模块处理文件时，核心接口是 gzip.open()，其用法与内置 open() 高度一致，但需特别注意模式与编码参数。写入压缩文件时，若处理纯文本，应指定 'wt' 模式并配合 encoding='utf-8'，例如：with gzip.open('data.txt.gz', 'wt', encoding='utf-8') as f: f.write('Hello Python')。若处理图片、音频或序列化对象，则必须使用 'wb' 二进制模式，直接写入 bytes 数据。读取时同理，文本文件用 'rt' 模式可自动解码，二进制文件用 'rb' 模式返回字节流。常见错误是混淆模式导致 TypeError，或在文本模式下遗漏编码参数引发乱码。此外，gzip 不支持追加模式（'a'），每次写入都会覆盖原文件。掌握正确的模式切换与编码声明，是安全读写 .gz 文件的前提。

用 zipfile 创建 ZIP 并解压文件

zipfile 模块通过 ZipFile 类实现完整的 ZIP 归档管理。创建压缩包时，使用 with zipfile.ZipFile('archive.zip', 'w') as zf: 打开写入流。通过 zf.write('path/to/file.txt', arcname='file.txt') 可将文件加入归档，其中 arcname 参数用于控制压缩包内的虚拟路径，避免暴露本地绝对路径。若需批量添加，可遍历目录并调用 write，或直接使用 shutil.make_archive 辅助。查看内容时，zf.namelist() 返回所有归档成员的名称列表。解压操作分为单文件与全量：zf.extract('file.txt', path='output/') 提取指定文件，而 zf.extractall(path='output/') 则一键还原整个目录结构。需注意，extractall 在 Python 3.12+ 中默认启用安全过滤，防止路径穿越攻击。合理运用 arcname 与解压路径参数，可精准控制归档与还原的文件布局。

验证压缩结果与常见避坑

压缩完成后，务必进行完整性验证。首先使用 os.path.exists() 确认文件已生成，随后通过 zipfile.is_zipfile('archive.zip') 或尝试 gzip.open('data.gz', 'rb').read(1) 验证格式有效性。对于 ZIP 文件，可调用 ZipFile.testzip() 检查 CRC 校验和，若返回 None 则表示所有文件完好。实际开发中常见陷阱包括：一是路径处理不当，未使用 arcname 导致压缩包内包含冗长的绝对路径；二是重复执行写入操作时未关闭上下文管理器，造成文件被锁定或数据截断；三是误将 gzip 用于多文件打包，结果只能得到最后一个文件的压缩流；四是跨平台传输时忽略编码差异，导致中文文件名乱码。建议在关键流程中加入 try...except 捕获 BadZipFile 或 OSError，并在生产环境使用 shutil 或 pathlib 规范化路径，确保压缩归档的可靠性与可移植性。