如何在Colab中用Python直接合并增量归档格式的拆分Zip文件？

问题说明 #

需要从指定GitHub数据集下载拆分的Zip分卷（File_Name.zip.001至File_Name.zip.007）到Colab临时存储，合并后直接解压。此前尝试用zipfile库读取每个分卷并合并的方法失败，报错BadZipFile: File is not a zip file，需纯Colab代码方案，禁止本地工具或重新上传操作。

解决方案思路 #

这类拆分的Zip分卷是完整Zip文件的二进制分段，而非独立可读取的Zip文件，因此正确操作是按顺序拼接所有分卷的二进制内容，生成完整Zip后再解压。

完整可运行代码 #

import requests
import os
import zipfile

# 设置Colab临时存储路径
data_path = "/content/eva_dataset"
os.makedirs(data_path, exist_ok=True)

# 生成分卷文件名列表（001至007）
zip_parts = [f"File_Name.zip.00{i}" for i in range(1, 8)]

# 步骤1：从GitHub下载所有分卷文件
github_raw_base_url = "https://raw.githubusercontent.com/kang-gnak/eva-dataset/main/"
for part in zip_parts:
    file_url = f"{github_raw_base_url}{part}"
    # 流式下载大文件，避免内存溢出
    with requests.get(file_url, stream=True) as response:
        response.raise_for_status()  # 捕获请求错误
        save_path = os.path.join(data_path, part)
        with open(save_path, "wb") as f:
            for chunk in response.iter_content(chunk_size=8192):
                f.write(chunk)
    print(f"下载完成：{part}")

# 步骤2：合并分卷为完整Zip文件
full_zip_path = os.path.join(data_path, "File_Name.zip")
with open(full_zip_path, "wb") as full_zip:
    for part in zip_parts:
        part_path = os.path.join(data_path, part)
        with open(part_path, "rb") as f:
            full_zip.write(f.read())
        # 可选：删除分卷释放Colab临时空间
        os.remove(part_path)
print("分卷合并完成，生成完整Zip文件")

# 步骤3：解压完整Zip文件
with zipfile.ZipFile(full_zip_path, "r") as zip_ref:
    zip_ref.extractall(data_path)
print("文件解压完成，存储路径：", data_path)

关键说明 #

1. 分卷本质：拆分的.001至.007是二进制分段，不是独立Zip文件，因此不能用ZipFile直接读取单个分卷，必须拼接二进制内容。
2. 流式下载：用stream=True和分块写入处理大文件，避免Colab内存不足。
3. 可重复性：代码可直接复制到Colab笔记本运行，无需本地操作，满足分享需求。

内容的提问来源于stack exchange，提问作者g6k