Obtenir la taille non compressée d'un .gz fichier en python

La gzip format spécifie un champ appelé ISIZE que:

Il contient la taille de l'original (non compressé) données d'entrée modulo 2^32.

Dans gzip.py, ce qui je suppose est ce que vous êtes à l'aide de gzip, il existe une méthode appelée _read_eof définie comme suit:

def _read_eof(self):
    # We've read to the end of the file, so we have to rewind in order
    # to reread the 8 bytes containing the CRC and the file size.
    # We check the that the computed CRC and size of the
    # uncompressed data matches the stored values.  Note that the size
    # stored is the true file size mod 2**32.
    self.fileobj.seek(-8, 1)
    crc32 = read32(self.fileobj)
    isize = U32(read32(self.fileobj))   # may exceed 2GB
    if U32(crc32) != U32(self.crc):
        raise IOError, "CRC check failed"
    elif isize != LOWU32(self.size):
        raise IOError, "Incorrect length of data produced"

Là vous pouvez voir que le ISIZE domaine est en cours de lecture, mais seulement de le comparer à self.size pour la détection des erreurs. Ensuite, cela devrait signifier que GzipFile.size magasins de la réelle taille non compressée. Cependant, je pense ce n'est pas exposée au public, de sorte que vous pourriez avoir à le pirater en de les exposer. Pas si sûr, désolé.

Je viens de regarder tout cela en place dès maintenant, et je n'ai pas essayé donc je peux me tromper. J'espère que c'est de quelque utilité pour vous. Désolé si j'ai mal compris votre question.

D'Unix: utilisation de "gunzip -l file.gz" par l'intermédiaire de sous-processus.appel /os.popen, de capturer et d'analyser sa sortie.

Je ne suis pas sûr à propos de la performance, mais cela pourrait être réalisé sans le savoir gzip de la magie à l'aide de:

with gzip.open(filepath, 'rb') as file_obj:
    file_size = file_obj.seek(0, io.SEEK_END)

Cela devrait également fonctionner pour les autres (compressé) flux de lecteurs comme bz2 ou de la plaine open.

EDIT:
comme suggéré dans les commentaires, 2 en deuxième ligne a été remplacé par io.SEEK_END, qui est certainement plus lisible et probablement plus à l'avenir.

EDIT:
Fonctionne uniquement en Python 3.

En dépit de ce que les autres réponses-dire, les quatre derniers octets ne sont pas un moyen fiable pour obtenir la non compressé de la longueur d'un fichier gzip. Tout d'abord, il peut y avoir plusieurs membres dans le fichier gzip, de sorte que ne serait la longueur du dernier membre. Deuxièmement, la longueur peut être de plus de 4 GO, auquel cas les quatre derniers octets représentent la longueur modulo 2³². Pas la longueur.

Cependant pour ce que vous voulez, il n'est pas nécessaire pour obtenir le non compressé longueur. Vous pouvez à la place de la base de votre barre de progression sur le montant de entrée consommé, par rapport à la longueur du fichier gzip, qui est facilement obtenu. Pour le type de données homogènes, que la barre de progression ne montrent exactement la même chose qu'une barre de progression basée sur les données non compressées.

GzipFile.les magasins de taille la taille non compressée, mais c'est seulement incrémenté lorsque vous lisez le fichier, de sorte que vous devriez préférer len(fd.read()) au lieu de la non-public GzipFile.la taille de l'.