解压缩文件会导致“BadZipFile：文件不是 zip 文件”

Question

我有两个 zip 文件，它们都可以用 Windows 资源管理器和 7-zip 很好地打开。

但是，当我使用 Python 的 zipfile 模块 [ zipfile.ZipFile("filex.zip") ] 打开它们时，其中一个被打开，但另一个给出错误“BadZipfile：文件不是 zip 文件” 。

我通过使用 7-Zip 打开并查看其属性（如 7Zip.ZIP 所示）来确保后一个文件是有效的 Zip 文件。当我用文本编辑器打开该文件时，前两个字符是“PK”，表明它确实是一个zip文件。

我正在使用 Python 2.5，并且真的不知道如何进行此操作。我在 Windows 和 Ubuntu 上都进行了尝试，两个平台上都存在问题。

更新： Windows 上 Python 2.5.4 的回溯：

Traceback (most recent call last):
File "<module1>", line 5, in <module>
    zipfile.ZipFile("c:/temp/test.zip")
File "C:\Python25\lib\zipfile.py", line 346, in init
    self._GetContents()
File "C:\Python25\lib\zipfile.py", line 366, in _GetContents
    self._RealGetContents()
File "C:\Python25\lib\zipfile.py", line 378, in _RealGetContents
    raise BadZipfile, "File is not a zip file"
BadZipfile: File is not a zip file

基本上，当调用 _EndRecData 函数从“中央目录末尾”记录获取数据时，注释长度检出失败 [ endrec [7] == len(comment) ]。

_EndRecData函数中的局部变量值如下：

 END_BLOCK: 4096,
 comment: '\x00',
 data: '\xd6\xf6\x03\x00\x88,N8?<e\xf0q\xa8\x1cwK\x87\x0c(\x82a\xee\xc61N\'1qN\x0b\x16K-\x9d\xd57w\x0f\xa31n\xf3dN\x9e\xb1s\xffu\xd1\.....', (truncated)
 endrec: ['PK\x05\x06', 0, 0, 4, 4, 268, 199515, 0],
 filesize: 199806L,
 fpin: <open file 'c:/temp/test.zip', mode 'rb' at 0x045D4F98>,
 start: 4073

Answer 1

名为 file 的文件可能会让 python 感到困惑 - 尝试将其命名为其他名称。如果它仍然不起作用，请尝试以下代码：

def fixBadZipfile(zipFile):  
 f = open(zipFile, 'r+b')  
 data = f.read()  
 pos = data.find('\x50\x4b\x05\x06') # End of central directory signature  
 if (pos > 0):  
     self._log("Trancating file at location " + str(pos + 22)+ ".")  
     f.seek(pos + 22)   # size of 'ZIP end of central directory record' 
     f.truncate()  
     f.close()  
 else:  
     # raise error, file is truncated  

Answer 2

我遇到了同样的问题。我的问题是它是 gzip 文件而不是 zip 文件。我切换到类 gzip.GzipFile ，它的工作就像一个魅力。

Answer 3

astronautlevel 的解决方案适用于大多数情况，但 Zip 中的压缩数据和 CRC 也可以包含相同的 4 个字节。您应该执行rfind（而不是find），查找 pos+20，然后将 write \x00\x00 添加到文件末尾（告诉 zip 应用程序“注释”部分的长度为 0 字节）。

    # HACK: See http://bugs.python.org/issue10694
    # The zip file generated is correct, but because of extra data after the 'central directory' section,
    # Some version of python (and some zip applications) can't read the file. By removing the extra data,
    # we ensure that all applications can read the zip without issue.
    # The ZIP format: http://www.pkware.com/documents/APPNOTE/APPNOTE-6.3.0.TXT
    # Finding the end of the central directory:
    #   http://stackoverflow.com/questions/8593904/how-to-find-the-position-of-central-directory-in-a-zip-file
    #   http://stackoverflow.com/questions/20276105/why-cant-python-execute-a-zip-archive-passed-via-stdin
    #       This second link is only losely related, but echos the first, "processing a ZIP archive often requires backwards seeking"
    content = zipFileContainer.read()
    pos = content.rfind('\x50\x4b\x05\x06') # reverse find: this string of bytes is the end of the zip's central directory.
    if pos>0:
        zipFileContainer.seek(pos+20) # +20: see secion V.I in 'ZIP format' link above.
        zipFileContainer.truncate()
        zipFileContainer.write('\x00\x00') # Zip file comment length: 0 byte length; tell zip applications to stop reading.
        zipFileContainer.seek(0)

    return zipFileContainer

Answer 4

我遇到了同样的问题，并且能够解决我的文件的这个问题，请参阅我的答案
zipfile 无法处理某种类型的 zip 数据？

Answer 5

我对 python 很陌生，我面临着完全相同的问题，以前的方法都不起作用。
在解压缩之前尝试打印“损坏的”文件会返回一个空字节对象。

事实证明，我试图在将文件写入磁盘后立即解压缩该文件，而不关闭文件处理程序。

with open(path, 'wb') as outFile:
    outFile.write(data)
    outFile.close()   # was missing this
    with zipfile.ZipFile(path, 'r') as zip:
        zip.extractall(destination)

关闭文件流然后解压缩文件解决了我的问题。

Answer 6

有时，某些 zip 文件包含损坏的文件，解压缩 zip 时会出现 badzipfile 错误。但是有像 7zip winrar 这样的工具可以忽略这些错误并成功解压缩 zip 文件。您可以创建一个子进程并使用此代码来解压缩 zip 文件，而不会出现 BadZipFile 错误。

import subprocess
ziploc = "C:/Program Files/7-Zip/7z.exe" #location where 7zip is installed
cmd = [ziploc, 'e',your_Zip_file.zip ,'-o'+ OutputDirectory ,'-r' ] 
sp = subprocess.Popen(cmd, stderr=subprocess.STDOUT, stdout=subprocess.PIPE)

Answer 7

我遇到了这个问题，正在寻找一个好的、干净的解决方案；但直到我找到这个答案之前一直没有解决方案。我遇到了与@marsl（答案中）相同的问题。在我的例子中，它是一个 gzip 文件而不是 zip 文件。

我可以用这种方法取消归档并解压缩我的 gzip 文件：

with tarfile.open(archive_path, "r:gz") as gzip_file:
    gzip_file.extractall()

Answer 8

显示从 Python 获得的完整回溯——这可能会提示具体问题是什么。 未回答：什么软件产生了错误文件，在什么平台上？

更新：回溯表明检测文件中的“中央目录结束”记录时出现问题 - 请参阅从 C:\Python25\Lib\zipfile.py 第 128 行开始的函数 _EndRecData

建议：
(1)通过上述函数进行追踪
(2)在最新的Python上尝试一下
(3)回答上述问题。
(4) 阅读此 以及 google("BadZipfile: File is not a zip file") 发现的任何其他似乎相关的内容

Answer 9

您是否尝试过更新的 python，或者如果这太麻烦，只需使用更新的 zipfile.py ？我已成功使用 Python 2.6.2（当时最新）中的 zipfile.py 副本与 Python 2.5 来打开 Py2.5s zipfile 模块不支持的一些 zip 文件。

Answer 10

在某些情况下，您必须确认 zip 文件是否实际上是 gzip 格式。我就是这种情况，我通过以下方法解决了这个问题：

import requests
import tarfile
url = ".tar.gz link"
response = requests.get(url, stream=True)
file = tarfile.open(fileobj=response.raw, mode="r|gz")
file.extractall(path=".")

Answer 11

为此，我认为这是在文件未完全下载时发生的。所以我只是在下载代码中删除它。

def download_and_extract(url: str,
                         path_used_for_zip: Path = Path('~/data/'),
                         path_used_for_dataset: Path = Path('~/data/tmp/'),
                         rm_zip_file_after_extraction: bool = True,
                         force_rewrite_data_from_url_to_file: bool = False,
                         clean_old_zip_file: bool = False,
                         gdrive_file_id: Optional[str] = None,
                         gdrive_filename: Optional[str] = None,
                         ):
    """
    Downloads data and tries to extract it according to different protocols/file types.

    note:
        - to force a download do:
            force_rewrite_data_from_url_to_file = True
            clean_old_zip_file = True
        - to NOT remove file after extraction:
            rm_zip_file_after_extraction = False


    Tested with:
    - zip files, yes!

    Later:
    - todo: tar, gz, gdrive
    force_rewrite_data_from_url_to_file = remvoes the data from url (likely a zip file) and redownloads the zip file.
    """
    path_used_for_zip: Path = expanduser(path_used_for_zip)
    path_used_for_zip.mkdir(parents=True, exist_ok=True)
    path_used_for_dataset: Path = expanduser(path_used_for_dataset)
    path_used_for_dataset.mkdir(parents=True, exist_ok=True)
    # - download data from url
    if gdrive_filename is None:  # get data from url, not using gdrive
        import ssl
        ctx = ssl.create_default_context()
        ctx.check_hostname = False
        ctx.verify_mode = ssl.CERT_NONE
        print("downloading data from url: ", url)
        import urllib
        import http
        response: http.client.HTTPResponse = urllib.request.urlopen(url, context=ctx)
        print(f'{type(response)=}')
        data = response
        # save zipfile like data to path given
        filename = url.rpartition('/')[2]
        path2file: Path = path_used_for_zip / filename
    else:  # gdrive case
        from torchvision.datasets.utils import download_file_from_google_drive
        # if zip not there re-download it or force get the data
        path2file: Path = path_used_for_zip / gdrive_filename
        if not path2file.exists():
            download_file_from_google_drive(gdrive_file_id, path_used_for_zip, gdrive_filename)
        filename = gdrive_filename
    # -- write downloaded data from the url to a file
    print(f'{path2file=}')
    print(f'{filename=}')
    if clean_old_zip_file:
        path2file.unlink(missing_ok=True)
    if filename.endswith('.zip') or filename.endswith('.pkl'):
        # if path to file does not exist or force to write down the data
        if not path2file.exists() or force_rewrite_data_from_url_to_file:
            # delete file if there is one if your going to force a rewrite
            path2file.unlink(missing_ok=True) if force_rewrite_data_from_url_to_file else None
            print(f'about to write downloaded data from url to: {path2file=}')
            # wb+ is used sinze the zip file was in bytes, otherwise w+ is fine if the data is a string
            with open(path2file, 'wb+') as f:
            # with open(path2file, 'w+') as f:
                print(f'{f=}')
                print(f'{f.name=}')
                f.write(data.read())
            print(f'done writing downloaded from url to: {path2file=}')
    elif filename.endswith('.gz'):
        pass  # the download of the data doesn't seem to be explicitly handled by me, that is done in the extract step by a magic function tarfile.open
    # elif is_tar_file(filename):
    #     os.system(f'tar -xvzf {path_2_zip_with_filename} -C {path_2_dataset}/')
    else:
        raise ValueError(f'File type {filename=} not supported.')

    # - unzip data written in the file
    extract_to = path_used_for_dataset
    print(f'about to extract: {path2file=}')
    print(f'extract to target: {extract_to=}')
    if filename.endswith('.zip'):
        import zipfile  # this one is for zip files, inspired from l2l
        zip_ref = zipfile.ZipFile(path2file, 'r')
        zip_ref.extractall(extract_to)
        zip_ref.close()
        if rm_zip_file_after_extraction:
            path2file.unlink(missing_ok=True)
    elif filename.endswith('.gz'):
        import tarfile
        file = tarfile.open(fileobj=response, mode="r|gz")
        file.extractall(path=extract_to)
        file.close()
    elif filename.endswith('.pkl'):
        # no need to extract it, but when you use the data make sure you torch.load it or pickle.load it.
        print(f'about to test torch.load of: {path2file=}')
        data = torch.load(path2file)  # just to test
        assert data is not None
        print(f'{data=}')
        pass
    else:
        raise ValueError(f'File type {filename=} not supported, edit code to support it.')
        # path_2_zip_with_filename = path_2_ziplike / filename
        # os.system(f'tar -xvzf {path_2_zip_with_filename} -C {path_2_dataset}/')
        # if rm_zip_file:
        #     path_2_zip_with_filename.unlink(missing_ok=True)
        # # raise ValueError(f'File type {filename=} not supported.')
    print(f'done extracting: {path2file=}')
    print(f'extracted at location: {path_used_for_dataset=}')
    print(f'-->Succes downloading & extracting dataset at location: {path_used_for_dataset=}')

您可以将我的代码与 pip install Ultimate-utils 一起使用以获得最新版本。

Answer 12

在另一种情况下，当 ml/dl 模型具有不同格式时，会出现此警告。
举个例子：
你想打开pickle，但模型格式是.sav

解决方案：
您需要将格式更改为原始格式
泡菜 --> .pkl
张量流--> .h5
ETC。

Answer 13

就我而言，该目录中缺少 zip 文件本身 - 因此，当我尝试解压缩它时，我收到错误“BadZipFile：文件不是 zip 文件” 。我将 .zip 文件移至该目录后问题得到解决。在运行 python 脚本之前，请确认该文件确实存在于您的目录中。

Answer 14

就我而言，zip 文件刚刚损坏。使用 NanaZip 或 7zip 解压缩它会出现错误消息，例如“zip 文件已损坏”

Answer 15

当我尝试从驱动器解压缩文件时，我也遇到了类似的问题。使用在线文件压缩网站来压缩您的文件，这不会破坏文件，并且不会为我引发错误。

Answer 16

就我而言，zip 文件已损坏。我尝试使用 urllib.request.urlretrieve 下载 zip 文件，但由于某种原因该文件无法完全下载。

我连接到 VPN，文件下载得很好，并且我能够打开该文件。