我有一个包含许多 .tar.gz 文件的文件夹。在python中，我想进入每个文件解压缩或压缩并找到包含我要提取的字符串的文本文件？

Question

我有许多 gz.tar 压缩文件的主文件夹。所以我需要解压缩两次才能得到一个带有文本的数据文件，然后我在文本中提取某个字符串。我无法解压缩以获取带有文本的文件，然后移至下一个文件并执行相同操作。将结果保存在数据框中。

import os
import tarfile
for i in os.listdir(r'\user\project gz'):
 tar = (i, "r:gz")
 for m in tar.getmembers():
  f= tar.extractfile(member):
  if f is not None:
   content = f.read()
   text = re.findall(r"\name\s", content)
   df = pd.Dataframe(text)
   print(df)

Answer 1

我猜你想在\user\project gz\*.tar.gz 中找出包含字符串\name\s 的文件？

解决办法是

import os
import re
import tarfile

import pandas as pd

row = []
value = []


for filename in os.listdir(r'\\user\\project gz'):
    if filename.endswith('.tar.gz'):
        tar = tarfile.open(r'\\user\\project gz' + filename)
        for text_file in tar.getmembers():
            f = tar.extractfile(text_file)
            if f is not None:
                content = f.read().decode()
                if re.findall(r"\\name\\s", content):
                    row.append(text_file.name)
                    value.append(content)
        tar.close()


df = pd.DataFrame(value, columns=['nametag'], index=row)
print(df)