如何用Python读取.zip内的.gz文件？遇NotImplementedError报错

问题根源 #

这个报错来自zipfile.ZipFile.open()，说明你的zip包使用了Python标准库zipfile不支持的压缩算法（比如DEFLATE64、LZMA等），或者代码存在冗余解压逻辑。

分步解决方案 #

1. 确认Zip包的压缩类型 #

先运行以下代码排查每个文件的压缩格式：

import zipfile

zf = zipfile.ZipFile("file.zip", "r")
for info in zf.infolist():
    compress_type_name = zipfile._compress_type_map.get(info.compress_type, "不支持的压缩类型")
    print(f"文件: {info.filename} | 压缩类型: {compress_type_name}")

2. 处理不支持的压缩算法 #

• 如果输出显示「不支持的压缩类型」：
  • 若是DEFLATE64格式：安装zipfile-deflate64库，替换导入语句后再执行逻辑：

    import zipfile_deflate64 as zipfile
    

  • 若是LZMA/7z相关格式：安装py7zr库，用它读取zip包：

    import py7zr
    import pandas as pd
    
    with py7zr.SevenZipFile("file.zip", mode='r') as zf:
        for filename in zf.getnames():
            if filename.endswith('.gz'):
                with zf.open(filename) as gz_stream:
                    df = pd.read_csv(gz_stream, compression='gzip', sep=';')
                    # 此处添加你的DataFrame处理逻辑
    

3. 修正冗余解压逻辑 #

原代码同时用gzip.GzipFile和pd.read_csv(compression="gzip")做了两次解压，属于冗余操作。简化后的正确代码：

import zipfile
import pandas as pd

zf = zipfile.ZipFile("file.zip", "r")
for info in zf.infolist():
    if info.filename.endswith('.gz'):
        with zf.open(info) as stream:
            df = pd.read_csv(stream, compression='gzip', sep=';')
            # 处理DataFrame，例如打印数据示例
            print(df.head())

4. 验证Zip包完整性 #

如果以上方法都无效，手动解压zip包检查：

• 若手动解压失败，说明原zip包损坏，需重新获取；
• 若手动解压后gz文件能正常打开，再排查代码运行环境的依赖问题。

内容的提问来源于stack exchange，提问作者txg