python - 在 Ubuntu 与 Windows 中解压缩相同文件时的不同目录结构

Question

我正在尝试提取 zip 文件的内容，可以在此处查看：

https://www.geoboundaries.org/data/geoBoundaries-2_0_0/NGA/ADM1/geoBoundaries-2_0_0-NGA-ADM1-all.zip

在 Ubuntu 18.04.04 上，通过右键菜单中的“提取”选项，我从该 zip 文件中获得了一个文件夹结构，其中包括各种空文件夹和目录，以及不同的父级。如果我使用 7Zip（在 Windows 或同一个 linux 机器上）解压缩相同的文件，我会得到 6 个文件的预期结果。

那么 - 这里有什么区别？

（注意我已经有了一个解决方案——shutil 存档工作——只是试图理解不同的行为）。

这是当前用于构建相关拉链的代码（python）：

def zipdir(dirPath=None, zipFilePath=None, includeDirInZip=False, citeUsePath=False):
  if not zipFilePath:
    zipFilePath = dirPath + ".zip"
  if not os.path.isdir(dirPath):
    raise OSError("dirPath argument must point to a directory. "
            "'%s' does not." % dirPath)
  parentDir, dirToZip = os.path.split(dirPath)

  def trimPath(path):
    archivePath = path.replace(parentDir, "", 1)
    if parentDir:
      archivePath = archivePath.replace(os.path.sep, "", 1)
    if not includeDirInZip:
      archivePath = archivePath.replace(dirToZip + os.path.sep, "", 1)
    return os.path.normcase(archivePath)

  outFile = zipfile.ZipFile(zipFilePath, "w",compression=zipfile.ZIP_DEFLATED)
  for (archiveDirPath, dirNames, fileNames) in os.walk(dirPath):
    for fileName in fileNames:
      if(not fileName == zipFilePath.split("/")[-1]):
        filePath = os.path.join(archiveDirPath, fileName)
        outFile.write(filePath, trimPath(filePath))

  outFile.write(citeUsePath, os.path.basename(citeUsePath))
  outFile.close() 

标签： pythonzip

Answer 1

zip 文件geoBoundaries-2_0_0-NGA-ADM1-all.zip是非标准的。

在 Linux 上，unzip认为有 5 个文件没有路径组件

$ unzip -l geoBoundaries-2_0_0-NGA-ADM1-all.zip
Archive:  geoBoundaries-2_0_0-NGA-ADM1-all.zip
  Length      Date    Time    Name
---------  ---------- -----   ----
   374953  2020-01-15 21:04   geoBoundaries-2_0_0-NGA-ADM1-shp.zip
  1512980  2020-01-15 21:04   geoBoundaries-2_0_0-NGA-ADM1.geojson
      804  2020-01-15 21:04   geoBoundaries-2_0_0-NGA-ADM1-metaData.json
      750  2020-01-15 21:04   geoBoundaries-2_0_0-NGA-ADM1-metaData.txt
     4656  2020-01-15 21:04   CITATION-AND-USE-geoBoundaries-2_0_0.txt
---------                     -------
  1894143                     5 files

如果我然后尝试提取内容，我会收到很多警告。

$ unzip  geoBoundaries-2_0_0-NGA-ADM1-all.zip
Archive:  geoBoundaries-2_0_0-NGA-ADM1-all.zip
geoBoundaries-2_0_0-NGA-ADM1-shp.zip:  mismatching "local" filename (release/geoBoundaries-2_0_0/NGA/ADM1/geoBoundaries-2_0_0-NGA-ADM1-shp.zip),
         continuing with "central" filename version
  inflating: geoBoundaries-2_0_0-NGA-ADM1-shp.zip
geoBoundaries-2_0_0-NGA-ADM1.geojson:  mismatching "local" filename (release/geoBoundaries-2_0_0/NGA/ADM1/geoBoundaries-2_0_0-NGA-ADM1.geojson),
         continuing with "central" filename version
  inflating: geoBoundaries-2_0_0-NGA-ADM1.geojson
geoBoundaries-2_0_0-NGA-ADM1-metaData.json:  mismatching "local" filename (release/geoBoundaries-2_0_0/NGA/ADM1/geoBoundaries-2_0_0-NGA-ADM1-metaData.json),
         continuing with "central" filename version
  inflating: geoBoundaries-2_0_0-NGA-ADM1-metaData.json
geoBoundaries-2_0_0-NGA-ADM1-metaData.txt:  mismatching "local" filename (release/geoBoundaries-2_0_0/NGA/ADM1/geoBoundaries-2_0_0-NGA-ADM1-metaData.txt),
         continuing with "central" filename version
  inflating: geoBoundaries-2_0_0-NGA-ADM1-metaData.txt
CITATION-AND-USE-geoBoundaries-2_0_0.txt:  mismatching "local" filename (tmp/CITATION-AND-USE-geoBoundaries-2_0_0.txt),
         continuing with "central" filename version
  inflating: CITATION-AND-USE-geoBoundaries-2_0_0.txt

分析

zip 文件中每个条目的详细信息（包括文件名）存储两次。一次在 a 中local-header，直接在压缩数据之前，再次在central-header文件末尾的 a 中。因此，对于存储在 zip 文件中的每个文件，都会有一对local-header/central-header字段。这些字段对中的数据应该（大部分）相同。

在这种情况下，它们不是。

例如，考虑 的central-header条目geoBoundaries-2_0_0-NGA-ADM1-shp.zip。匹配local-header有release/geoBoundaries-2_0_0/NGA/ADM1/geoBoundaries-2_0_0-NGA-ADM1-shp.zip.

此 zip 文件中的所有条目也是如此。

鉴于这是一个非标准/无效的 zip 文件，解压缩时的行为将取决于解压缩实用程序是否使用central-header条目中的数据来确定文件名，或者它是否使用local-header.

看起来 Ubuntu 正在使用这些local-header字段，而 7zip 使用这些central-header字段。

作为参考，zip 文件的规范是APPNOTE.TXT