如何在ADLS中用Python解压带密码的ZIP文件？（遇FileNotFoundError）

问题根源 #

zipfile模块仅支持本地文件系统路径，无法直接识别ADLS的abfss://协议路径。你直接传入"XYZ.zip"时，程序会在本地文件系统中查找该文件，自然找不到，从而触发FileNotFoundError。

解决步骤 #

需要先把ADLS中的ZIP文件读取到内存字节流中，再交给zipfile处理，具体操作如下：

1. 导入所需模块 #

结合你已能通过abfss读取CSV的环境，使用PySpark来读取ADLS文件，同时导入处理字节流和ZIP的模块：

from zipfile import ZipFile
from io import BytesIO
from pyspark.sql import SparkSession

2. 读取ADLS中的ZIP文件到内存 #

用Spark读取二进制格式的ZIP文件，提取出文件内容的字节数据：

# 初始化SparkSession（若环境未自动初始化则执行）
spark = SparkSession.builder.appName("UnzipADLSFile").getOrCreate()

# 替换为你的ZIP文件完整abfss路径
adls_zip_path = "abfss://<容器名>@<存储账户名>.dfs.core.windows.net/目标文件夹/XYZ.zip"
binary_df = spark.read.format("binaryFile").load(adls_zip_path)

# 获取ZIP文件的字节内容
zip_content_bytes = binary_df.select("content").first()[0]

3. 解压带密码保护的ZIP文件 #

将内存中的字节流传入ZipFile，使用指定密码完成解压：

with ZipFile(BytesIO(zip_content_bytes), 'r') as zip_handler:
    zip_handler.printdir()
    print('开始解压所有文件...')
    zip_handler.extractall(pwd=b'123123$SADMK6%002#')
    print('解压完成！')

额外说明：将解压文件写回ADLS #

如果需要把解压后的文件保存回ADLS，不能直接用extractall()（该方法会写入本地），需逐个读取ZIP内的文件内容，再写入ADLS：

with ZipFile(BytesIO(zip_content_bytes), 'r') as zip_handler:
    for file_item in zip_handler.infolist():
        with zip_handler.open(file_item, pwd=b'123123$SADMK6%002#') as file_stream:
            file_data = file_stream.read()
            # 替换为ADLS中的目标保存路径
            target_adls_path = f"abfss://<容器名>@<存储账户名>.dfs.core.windows.net/解压后文件夹/{file_item.filename}"
            spark.createDataFrame([(file_data,)], ["content"]).write.mode("overwrite").format("binaryFile").save(target_adls_path)

内容的提问来源于stack exchange，提问作者Govind Gupta