你知道 Python 如何解壓縮數(shù)據(jù)嗎
作者：古明地覺
當(dāng)數(shù)據(jù)量大的時候，自然而然想到的就是對數(shù)據(jù)進(jìn)行壓縮，下面來看看 Python 如何壓縮數(shù)據(jù)。這里主要介紹三個模塊，分別是 zlib、bz2、gzip，它們都是內(nèi)置的，直接導(dǎo)入即可，不需要額外安裝。
楔子
當(dāng)數(shù)據(jù)量大的時候，自然而然想到的就是對數(shù)據(jù)進(jìn)行壓縮，下面來看看 Python 如何壓縮數(shù)據(jù)。這里主要介紹三個模塊，分別是 zlib、bz2、gzip，它們都是內(nèi)置的，直接導(dǎo)入即可，不需要額外安裝。
那么下面就開始吧。
zlib 模塊
看一下 zlib 模塊的用法。
import zlib
original_data = b"komeiji satori is a cute girl"
print(len(original_data))
"""
29
"""
# 對數(shù)據(jù)進(jìn)行壓縮
compressed_data = zlib.compress(original_data)
print(len(compressed_data))
"""
37
"""
# 我們看到當(dāng)數(shù)據(jù)量很小的時候，壓縮之后反而會增大
# 對數(shù)據(jù)進(jìn)行解壓
print(
zlib.decompress(compressed_data) == original_data
)
"""
True
"""在壓縮的時候還可以指定壓縮級別：
import zlib
original_data = b"komeiji satori is a cute girl" * 1024
# 壓縮級別 0 ~ 9，值越大，壓縮級別越高，默認(rèn)壓縮級別為 6
for i in range(0, 10):
compressed_data = zlib.compress(original_data, i)
print(f"壓縮前數(shù)據(jù)長度: {len(original_data)}, "
f"壓縮后數(shù)據(jù)長度: {len(compressed_data)}")
"""
壓縮前數(shù)據(jù)長度: 29696, 壓縮后數(shù)據(jù)長度: 29707
壓縮前數(shù)據(jù)長度: 29696, 壓縮后數(shù)據(jù)長度: 245
壓縮前數(shù)據(jù)長度: 29696, 壓縮后數(shù)據(jù)長度: 245
壓縮前數(shù)據(jù)長度: 29696, 壓縮后數(shù)據(jù)長度: 245
壓縮前數(shù)據(jù)長度: 29696, 壓縮后數(shù)據(jù)長度: 122
壓縮前數(shù)據(jù)長度: 29696, 壓縮后數(shù)據(jù)長度: 122
壓縮前數(shù)據(jù)長度: 29696, 壓縮后數(shù)據(jù)長度: 122
壓縮前數(shù)據(jù)長度: 29696, 壓縮后數(shù)據(jù)長度: 122
壓縮前數(shù)據(jù)長度: 29696, 壓縮后數(shù)據(jù)長度: 122
壓縮前數(shù)據(jù)長度: 29696, 壓縮后數(shù)據(jù)長度: 122
"""壓縮級別越高，速度越慢，但壓縮之后的數(shù)據(jù)體積也越小。
如果你要壓縮的數(shù)據(jù)過大，那么還可以采用增量壓縮。
from io import BytesIO
import zlib
# 用 buffer 模擬大文件
original_data = b"komeiji satori is a cute girl" * 1024
buffer = BytesIO()
buffer.write(original_data)
buffer.seek(0)
# 創(chuàng)建壓縮器，壓縮等級為 5
compressor = zlib.compressobj(5)
# 每次讀取 1024 字節(jié)，進(jìn)行壓縮
while (data := buffer.read(1024)) != b"":
compressor.compress(data)
# 循環(huán)結(jié)束之后，壓縮結(jié)束，調(diào)用 flush 方法拿到壓縮數(shù)據(jù)
compressed_data = compressor.flush()
# 這里我們進(jìn)行解壓，然后對比一下，看看和原始數(shù)據(jù)是否相等
# 注意：zlib 壓縮之后是有一個頭部信息的，否則會認(rèn)為數(shù)據(jù)不是 zlib 壓縮格式
# 但是增量壓縮會將頭部信息給去掉，所以解壓的時候還要手動加上
# 這個頭部信息是 b"x\x9c"，轉(zhuǎn)成十六進(jìn)制就是 "789c"
decompressed_data = zlib.decompress(b"x\x9c" + compressed_data)
print(original_data == decompressed_data)
"""
True
"""壓縮數(shù)據(jù)還可以和原始數(shù)據(jù)混在一起，舉個例子：
import zlib
original_data = b"komeiji satori is a cute girl" * 1024
compressed_data = zlib.compress(original_data)
combined_data = compressed_data + original_data
# 創(chuàng)建一個解壓縮器
decompressor = zlib.decompressobj()
# 對 combined_data 進(jìn)行解壓，只會得到對 compressed_data 解壓之后的數(shù)據(jù)
# 由于 zlib 會在壓縮數(shù)據(jù)前面加上一個頭部信息，所以 combined_data 要求必須是壓縮數(shù)據(jù)在前
decompressed_data = decompressor.decompress(combined_data)
# 和原始數(shù)據(jù)是相等的
print(decompressed_data == original_data)
"""
True
"""
# 還可以拿到未解壓的數(shù)據(jù)，顯然也是原始數(shù)據(jù)
print(decompressor.unused_data == original_data)
"""
True
"""當(dāng)然，zlib 還支持驗證數(shù)據(jù)完整性。
import zlib
original_data = b"komeiji satori is a cute girl" * 1024
# 計算 Adler-32 校驗和
print(zlib.adler32(original_data))
"""
4170046071
"""
# 計算 CRC-32 校驗和
print(zlib.crc32(original_data))
"""
2627291461
"""以上就是 zlib 模塊的用法。
bz2 模塊
bz2 模塊和 zlib 的用法非常類似：
import bz2
original_data = b"komeiji satori is a cute girl" * 1024
# 也可以指定壓縮等級，范圍 1 ~ 9，注意：zlib 是 0 ~ 9
compressed_data = bz2.compress(original_data, 5)
print(len(original_data))
"""
29696
"""
print(len(compressed_data))
"""
103
"""
print(bz2.decompress(compressed_data) == original_data)
"""
True
"""也可以增量壓縮：
from io import BytesIO
import bz2
original_data = b"komeiji satori is a cute girl" * 1024
buffer = BytesIO()
buffer.write(original_data)
buffer.seek(0)
# 創(chuàng)建壓縮器，壓縮等級為 5
compressor = bz2.BZ2Compressor(5)
while (data := buffer.read(1024)) != b"":
compressor.compress(data)
compressed_data = compressor.flush()
# 這里不需要額外補(bǔ)充頭部信息
decompressed_data = bz2.decompress(compressed_data)
print(original_data == decompressed_data)
"""
True
"""也可以同時包含壓縮數(shù)據(jù)和未壓縮數(shù)據(jù)：
import bz2
original_data = b"komeiji satori is a cute girl" * 1024
compressed_data = bz2.compress(original_data)
combined_data = compressed_data + original_data
# 創(chuàng)建一個解壓縮器
decompressor = bz2.BZ2Decompressor()
decompressed_data = decompressor.decompress(combined_data)
# 和原始數(shù)據(jù)是相等的
print(decompressed_data == original_data) # True
# 還可以拿到未解壓的數(shù)據(jù)，顯然也是原始數(shù)據(jù)
print(decompressor.unused_data == original_data) # True
# 同樣要求壓縮數(shù)據(jù)在前相比 zlib，bz2 還可以讀寫文件：
import os
import bz2
original_data = b"komeiji satori is a cute girl" * 1024
# 寫入文件
with bz2.open("1.bz2", "wb", compresslevel=9) as f:
f.write(original_data)
# 讀取文件，判斷兩者是否相等
with bz2.open("1.bz2", "rb", compresslevel=9) as f:
print(f.read() == original_data) # True
os.unlink("1.bz2")當(dāng)然我們使用內(nèi)置函數(shù) open 打開文件，然后手動寫入壓縮數(shù)據(jù)或者讀取數(shù)據(jù)再手動解壓，也是可以的。
gzip 模塊
首先 gzip 只有全量壓縮，沒有增量壓縮。
import gzip
original_data = b"komeiji satori is a cute girl" * 1024
# 也可以指定壓縮等級，范圍 0 ~ 9
compressed_data = gzip.compress(original_data, 5)
print(len(original_data))
"""
29696
"""
print(len(compressed_data))
"""
134
"""
print(gzip.decompress(compressed_data) == original_data)
"""
True
"""還可以調(diào)用 gzip.open 函數(shù)：
import os
import gzip
original_data = b"komeiji satori is a cute girl" * 1024
# 寫入文件
with gzip.open("1.gz", "wb", compresslevel=9) as f:
f.write(original_data)
# 讀取文件，判斷兩者是否相等
with gzip.open("1.gz", "rb", compresslevel=9) as f:
print(f.read() == original_data) #
"""
True
"""
os.unlink("1.gz")小結(jié)
以上就是 Python 壓縮數(shù)據(jù)所使用的三個模塊，之間是比較相似的。另外再補(bǔ)充一點，一般將數(shù)據(jù)壓縮之后，會轉(zhuǎn)成 16 進(jìn)制進(jìn)行傳輸，舉個例子：
import binascii
import gzip
original_data = b"komeiji satori"
compressed_data = gzip.compress(original_data, 5)
# 轉(zhuǎn)成 16 進(jìn)制
hex_data = binascii.hexlify(compressed_data)
print(
binascii.unhexlify(hex_data) == compressed_data
) # True還是比較簡單的。
責(zé)任編輯：武曉燕
來源：
古明地覺的編程教室
