lzma — 使用 LZMA 算法进行压缩 — Python 文档

来自菜鸟教程
Python/docs/3.8/library/lzma
跳转至：导航、​搜索

lzma — 使用 LZMA 算法进行压缩

3.3 版中的新功能。


源代码： :source:`Lib/lzma.py`


该模块提供了使用 LZMA 压缩算法压缩和解压缩数据的类和便利函数。 还包括一个文件接口，支持 .xz 和 xz 实用程序使用的传统 .lzma 文件格式，以及原始压缩流。

该模块提供的接口与bz2模块非常相似。 但是，请注意 LZMAFile 是 not 线程安全的，不像 bz2.BZ2File，所以如果您需要使用单个 LZMAFile 实例从多个线程，有必要用锁来保护它。

exception lzma.LZMAError
当在压缩或解压缩过程中或在初始化压缩器/解压缩器状态时发生错误时，会引发此异常。

读取和写入压缩文件

lzma.open(filename, mode='rb', *, format=None, check=- 1, preset=None, filters=None, encoding=None, errors=None, newline=None)

以二进制或文本模式打开 LZMA 压缩文件，返回 文件对象 。

filename 参数可以是实际的文件名（作为 str、bytes 或 path-like 对象），其中如果指定的文件被打开，或者它可以是要读取或写入的现有文件对象。

mode 参数可以是 "r"、"rb"、"w"、"wb"、"x"、"xb"、"a" 或 "ab" 用于二进制模式，或 "rt"、"wt"、"xt" 或 ] 用于文本模式。 默认值为 "rb"。

打开文件进行读取时，format 和 filters 参数与 LZMADecompressor 参数具有相同的含义。 在这种情况下，不应使用 check 和 preset 参数。

打开文件进行写入时，format、check、preset和filters参数与LZMACompressor的含义相同。

对于二进制模式，此函数等效于 LZMAFile 构造函数：LZMAFile(filename, mode, ...)。 在这种情况下，不得提供 encoding、errors 和 newline 参数。

对于文本模式，会创建一个 LZMAFile 对象，并将其包装在具有指定编码、错误处理行为和行尾的 io.TextIOWrapper 实例中。

3.4 版更改： 添加了对 "x"、"xb" 和 "xt" 模式的支持。

3.6 版更改： 接受 类路径对象 。

class lzma.LZMAFile(filename=None, mode='r', *, format=None, check=- 1, preset=None, filters=None)

以二进制模式打开 LZMA 压缩文件。

LZMAFile 可以包装一个已经打开的 文件对象 ，或者直接对命名文件进行操作。 filename 参数指定要包装的文件对象或要打开的文件的名称（作为 str、bytes 或 path-like 对象）。 包装现有文件对象时，当关闭 LZMAFile 时，包装的文件不会被关闭。

mode 参数可以是用于读取的 "r"（默认）、用于覆盖的 "w"、用于独占创建的 "x" 或 "a"用于附加。 这些可以分别等效地表示为 "rb"、"wb"、"xb" 和 "ab"。

如果 filename 是文件对象（而不是实际文件名），则 "w" 模式不会截断文件，而是等效于 "a"。

当打开一个文件进行读取时，输入文件可能是多个单独的压缩流的串联。 这些被透明地解码为单个逻辑流。

打开文件进行读取时，format 和 filters 参数与 LZMADecompressor 参数具有相同的含义。 在这种情况下，不应使用 check 和 preset 参数。

打开文件进行写入时，format、check、preset和filters参数与LZMACompressor的含义相同。

LZMAFile 支持 io.BufferedIOBase 指定的所有成员，除了 detach() 和 truncate()。 支持迭代和 with 语句。

还提供了以下方法：

peek(size=- 1)

返回缓冲数据而不推进文件位置。 除非达到 EOF，否则将返回至少 1 个字节的数据。 返回的确切字节数未指定（忽略 size 参数）。

笔记

虽然调用 peek() 不会改变 LZMAFile 的文件位置，但它可能会改变底层文件对象的位置（例如 如果 LZMAFile 是通过为 filename 传递文件对象来构造的）。

3.4 版更改： 添加了对 "x" 和 "xb" 模式的支持。

3.5 版更改： read() 方法现在接受 None 的参数。

3.6 版更改： 接受 类路径对象 。


压缩和解压缩内存中的数据

class lzma.LZMACompressor(format=FORMAT_XZ, check=- 1, preset=None, filters=None)

创建一个压缩器对象，可用于增量压缩数据。

有关压缩单个数据块的更方便的方法，请参阅 compress()。

format 参数指定应该使用什么容器格式。 可能的值为：

  • FORMAT_XZ：.xz 容器格式。

    这是默认格式。

  • FORMAT_ALONE：传统的 .lzma 容器格式。

    这种格式比 .xz 更受限制——它不支持完整性检查或多个过滤器。

  • FORMAT_RAW：原始数据流，不使用任何容器格式。

    此格式说明符不支持完整性检查，并要求您始终指定自定义过滤器链（用于压缩和解压缩）。 此外，以这种方式压缩的数据不能使用 FORMAT_AUTO 解压缩（参见 LZMADecompressor）。

check 参数指定要包含在压缩数据中的完整性检查类型。 解压缩时使用此检查，以确保数据未损坏。 可能的值为：

  • CHECK_NONE：无完整性检查。 这是 FORMAT_ALONE 和 FORMAT_RAW 的默认值（也是唯一可接受的值）。

  • CHECK_CRC32：32 位循环冗余校验。

  • CHECK_CRC64：64 位循环冗余校验。 这是 FORMAT_XZ 的默认设置。

  • CHECK_SHA256：256 位安全哈希算法。

如果不支持指定的检查，则会引发 LZMAError。

压缩设置可以指定为预设压缩级别（使用 preset 参数），也可以详细指定为自定义过滤器链（使用 filters 参数）。

preset 参数（如果提供）应该是一个介于 0 和 9（含）之间的整数，可选择与常量 PRESET_EXTREME 进行或运算。 如果没有给出 preset 和 filters，默认行为是使用 PRESET_DEFAULT（预设级别 6）。 较高的预设产生较小的输出，但会使压缩过程变慢。

笔记

除了更多的 CPU 密集型之外，具有更高预设的压缩还需要更多的内存（并且产生需要更多内存来解压缩的输出）。 以预设 9 为例，LZMACompressor 对象的开销可高达 800 MiB。 出于这个原因，通常最好坚持使用默认预设。

filters 参数（如果提供）应该是一个过滤器链说明符。 有关详细信息，请参阅 指定自定义过滤器链 。

compress(data)

压缩 data（一个 bytes 对象），返回一个 bytes 对象，其中包含至少部分输入的压缩数据。 一些 data 可能会在内部缓冲，以用于以后对 compress() 和 flush() 的调用。 返回的数据应该与之前对 compress() 的任何调用的输出连接在一起。

flush()

完成压缩过程，返回一个 bytes 对象，其中包含存储在压缩器内部缓冲区中的任何数据。

调用此方法后无法使用压缩器。

class lzma.LZMADecompressor(format=FORMAT_AUTO, memlimit=None, filters=None)

创建一个解压器对象，可以用来增量解压数据。

有关一次解压缩整个压缩流的更方便的方法，请参阅 decompress()。

format 参数指定应该使用的容器格式。 默认为FORMAT_AUTO，可以解压.xz和.lzma文件。 其他可能的值为 FORMAT_XZ、FORMAT_ALONE 和 FORMAT_RAW。

memlimit 参数指定解压缩器可以使用的内存量的限制（以字节为单位）。 使用此参数时，如果无法在给定的内存限制内解压缩输入，解压缩将失败并显示 LZMAError。

filters 参数指定用于创建正在解压缩的流的过滤器链。 如果 format 是 FORMAT_RAW，则此参数是必需的，但不应用于其他格式。 有关过滤器链的更多信息，请参阅 指定自定义过滤器链 。

笔记

与 decompress() 和 LZMAFile 不同，此类不会透明地处理包含多个压缩流的输入。 要使用 LZMADecompressor 解压缩多流输入，您必须为每个流创建一个新的解压缩器。

decompress(data, max_length=- 1)

解压缩 data（一个 bytes-like object），以字节形式返回未压缩的数据。 某些 data 可能会在内部进行缓冲，以供以后调用 decompress() 时使用。 返回的数据应该与之前对 decompress() 的任何调用的输出连接在一起。

如果 max_length 为非负数，则最多返回 max_length 个字节的解压缩数据。 如果达到此限制并且可以产生更多输出，则 needs_input 属性将设置为 False。 在这种情况下，下一次调用 decompress() 可能会提供 data 作为 b 以获得更多输出。

如果所有输入数据都被解压缩并返回（因为这小于 max_length 个字节，或者因为 max_length 是负数），needs_input 属性将是设置为 True。

在到达流末尾后尝试解压缩数据会引发 EOFError。 在流结束后找到的任何数据都将被忽略并保存在 unused_data 属性中。

3.5 版更改： 添加 max_length 参数。

check

输入流使用的完整性检查的 ID。 这可能是 CHECK_UNKNOWN，直到足够的输入被解码以确定它使用什么完整性检查。

eof

True 如果已到达流结束标记。

unused_data

在压缩流结束后找到的数据。

在到达流的末尾之前，这将是 b""。

needs_input

False 如果 decompress() 方法可以在需要新的未压缩输入之前提供更多的解压缩数据。

3.5 版中的新功能。

lzma.compress(data, format=FORMAT_XZ, check=- 1, preset=None, filters=None)

压缩 data（一个 bytes 对象），将压缩数据作为 bytes 对象返回。

有关 format、check、preset 和 filters 参数的说明，请参阅上面的 LZMACompressor。

lzma.decompress(data, format=FORMAT_AUTO, memlimit=None, filters=None)

解压 data（一个 bytes 对象），将未压缩的数据作为 bytes 对象返回。

如果 data 是多个不同压缩流的串联，则解压缩所有这些流，并返回结果的串联。

有关 format、memlimit 和 filters 参数的说明，请参阅上面的 LZMADecompressor。


各种各样的

lzma.is_check_supported(check)

如果此系统支持给定的完整性检查，则返回 True。

始终支持 CHECK_NONE 和 CHECK_CRC32。 CHECK_CRC64 和 CHECK_SHA256 如果您使用的 liblzma 版本是用有限的功能集编译的，则可能不可用。


指定自定义过滤器链

过滤器链说明符是一系列字典，其中每个字典都包含单个过滤器的 ID 和选项。 每个字典必须包含键 "id"，并且可能包含附加键以指定依赖于过滤器的选项。 有效的过滤器 ID 如下：

  • *; 压缩过滤器：
    *;* FILTER_LZMA1（用于 FORMAT_ALONE）
    • FILTER_LZMA2（用于 FORMAT_XZ 和 FORMAT_RAW）
  • *; 三角洲过滤器：
    *;* FILTER_DELTA
  • *; 分支呼叫跳转 (BCJ) 过滤器：
    *;* FILTER_X86
    • FILTER_IA64
    • FILTER_ARM
    • FILTER_ARMTHUMB
    • FILTER_POWERPC
    • FILTER_SPARC

一个过滤器链最多可以包含 4 个过滤器，并且不能为空。 链中的最后一个过滤器必须是压缩过滤器，任何其他过滤器必须是 delta 或 BCJ 过滤器。

压缩过滤器支持以下选项（指定为代表过滤器的字典中的附加条目）：

  • preset：压缩预设用作未明确指定的选项的默认值来源。
  • dict_size：字典大小（以字节为单位）。 这应该介于 4 KiB 和 1.5 GiB（含）之间。
  • lc：文字上下文位数。
  • lp：文字位置位数。 总和 lc + lp 必须最多为 4。
  • pb：位置位数； 最多必须为 4。
  • mode：MODE_FAST 或 MODE_NORMAL。
  • nice_len：对于一场比赛来说，什么应该被认为是“不错的长度”。 这应该是 273 或更少。
  • mf：使用什么匹配查找器 - MF_HC3、MF_HC4、MF_BT2、MF_BT3 或 MF_BT4。
  • depth：匹配查找器使用的最大搜索深度。 0（默认）表示根据其他过滤器选项自动选择。


delta 过滤器存储字节之间的差异，在某些情况下为压缩器产生更多重复的输入。 它支持一个选项，dist。 这表示要减去的字节之间的距离。 默认为1，即 取相邻字节之间的差异。

BCJ 过滤器旨在应用于机器代码。 它们将代码中的相对分支、调用和跳转转换为使用绝对寻址，目的是增加压缩器可以利用的冗余。 这些过滤器支持一个选项，start_offset。 这指定了应该映射到输入数据开头的地址。 默认值为 0。


例子

读入压缩文件： 

import lzma
with lzma.open("file.xz") as f:
    file_content = f.read()

创建压缩文件： 

import lzma
data = b"Insert Data Here"
with lzma.open("file.xz", "w") as f:
    f.write(data)

压缩内存中的数据： 

import lzma
data_in = b"Insert Data Here"
data_out = lzma.compress(data_in)

增量压缩： 

import lzma
lzc = lzma.LZMACompressor()
out1 = lzc.compress(b"Some data\n")
out2 = lzc.compress(b"Another piece of data\n")
out3 = lzc.compress(b"Even more data\n")
out4 = lzc.flush()
# Concatenate all the partial results:
result = b"".join([out1, out2, out3, out4])

将压缩数据写入已打开的文件： 

import lzma
with open("file.xz", "wb") as f:
    f.write(b"This data will not be compressed\n")
    with lzma.open(f, "w") as lzf:
        lzf.write(b"This *will* be compressed\n")
    f.write(b"Not compressed\n")

使用自定义过滤器链创建压缩文件： 

import lzma
my_filters = [
    {"id": lzma.FILTER_DELTA, "dist": 5},
    {"id": lzma.FILTER_LZMA2, "preset": 7 | lzma.PRESET_EXTREME},
]
with lzma.open("file.xz", "w", filters=my_filters) as f:
    f.write(b"blah blah blah")


取自“https://cainiaojiaocheng.com/index.php?title=Python/docs/3.8/library/lzma&oldid=24654”
Powered by MediaWiki