如何从拼接的gzipped文件中提取单个原始文件？

背景说明 #

我们可以通过拼接多个gzip文件生成一个有效的合并gzip文件：

gzip -c A > A.gz
gzip -c B > B.gz
cat A.gz B.gz > AB.gz

解压这个合并文件会得到A和B的内容合并结果：

cat A B > ab
gzip -dc AB.gz > AB
diff ab AB

但需求是单独恢复原始的A、B文件。gzip官方文档提到多成员归档的独立提取建议用tar或zip，但因特定原因无法使用tar。

直接用gzip命令的--name参数只能输出第一个成员的内容（以其原始文件名保存）：

gzip -kdN AB.gz

Python解决方案 #

由于gzip命令行工具无法直接拆分多成员归档，可通过Python解析gzip文件结构，逐个提取每个成员：

import gzip
import os

def split_multi_gzip(input_path):
    with open(input_path, 'rb') as f_in:
        member_index = 0
        while True:
            try:
                # 从当前位置读取一个gzip成员
                with gzip.GzipFile(fileobj=f_in, mode='rb') as gz:
                    # 优先使用原始文件名，无则用默认命名
                    original_name = gz.name or f"member_{member_index}.dat"
                    # 写入提取出的文件
                    with open(original_name, 'wb') as f_out:
                        f_out.write(gz.read())
                    print(f"已提取文件: {original_name}")
                    member_index += 1
            except EOFError:
                # 所有成员处理完成，退出循环
                break

if __name__ == "__main__":
    split_multi_gzip("AB.gz")

使用步骤 #

1. 将上述代码保存为split_gzip.py
2. 执行命令：python split_gzip.py
3. 脚本会自动识别拼接gzip中的所有成员，按原始文件名（或默认规则）输出单独文件

原理说明 #

多成员gzip归档本质是多个独立gzip文件的拼接，每个成员都有专属的文件头（含原始文件名等元信息）和校验尾。Python的gzip.GzipFile会读取到单个成员末尾后自动停止，下次调用会从下一个成员的起始位置开始解析，因此可循环处理所有成员。

内容的提问来源于stack exchange，提问作者umläute