在Azure Data Factory中解压嵌套双层压缩文件的技术咨询

一、先搞定外层解压出无用二进制文件的问题 #

出现这种情况大概率是两个原因：

• 压缩格式不兼容：ADF原生解压活动仅支持 Zip、GZip、BZip2、Tar 四种格式。如果你的外层包是RAR、7Z这类非支持格式，ADF会把它当成普通二进制文件解压，自然得到一堆无法识别的内容。这种情况必须先转格式，或者用自定义逻辑处理。
• 解压设置匹配错误：检查解压活动的「压缩类型」选项，不要选自动检测（偶尔会失效），手动选择和外层包一致的格式。同时确认源数据集的路径确实指向正确的外层压缩包，没选错文件。

二、双层解压的实现流程（以双层Zip为例） #

假设内外层都是ADF支持的格式，按以下步骤搭建流水线：

1. 解压外层包到临时目录 #

• 新建解压活动：源数据集指向你的外层压缩文件，目标数据集选一个临时Blob文件夹（比如temp/outer_unpacked/）。记得把解压活动的「行为」设为覆盖现有文件，避免残留旧文件干扰。
• 成功后，临时目录里应该能看到所有内层压缩包（比如inner_01.zip、inner_02.zip），如果还是二进制，回到第一步排查格式问题。

2. 获取内层压缩文件列表 #

• 添加Get Metadata活动：源数据集指向刚才的临时目录，「字段列表」只勾选childItems，这样就能拿到目录下所有内层文件的名称和路径。

3. 循环解压每个内层包 #

• 加一个For Each活动，循环输入设为@activity('Get Metadata').output.childItems（替换成你的Get Metadata活动名称）。
• 在For Each内部再放一个解压活动：
  • 源数据集要做参数化：在源数据集的文件路径里新增一个参数InnerFileName，然后在解压活动的源数据集参数中赋值@item().name，这样每次循环都会指向当前的内层压缩包。
  • 目标数据集选最终的存储目录，也可以按内层文件名自动建子文件夹（比如final/unpacked/@{item().name}/），防止不同内层包的文件重名覆盖。

可选：清理临时文件 #

如果不需要保留外层解压后的临时文件，最后加一个Delete活动，指向临时目录，删除所有内容即可。

三、非ADF支持格式的处理办法 #

如果内外层有RAR/7Z这类格式，ADF原生搞不定，得用Azure Function：

• 写个Python或C#的Function，用第三方库实现解压（比如Python用pyunpack+patool处理7Z/RAR，注意在Function环境里安装依赖）。
• 在ADF里调用这个Function：先传外层包路径解压得到内层文件，再循环传内层包路径二次解压；或者在同一个Function里直接实现双层解压逻辑，一次性搞定。

内容的提问来源于stack exchange，提问作者Celeye