Python调用gzip模块解压.dsx文件报BadGzipFile错误

报错的核心原因是文件格式和你预期的不一致：

• Python的gzip模块会严格校验gzip格式的文件头：标准gzip文件开头两个字节必须是固定魔数\x1f\x8b，不符合就直接抛出BadGzipFile错误。你看到的报错里提示读到的头是b'PK'，这是ZIP压缩格式的标志性头（来自ZIP发明者Phil Katz的姓名缩写），说明这个.dsx文件实际是ZIP封装的压缩包，不是纯gzip格式。
• 命令行gzip工具能正常解压，是因为GNU版的命令行gzip做了多格式兼容：如果输入是仅包含单个文件的ZIP压缩包，它会自动识别并解压内部内容，不需要额外参数。但Python标准库的gzip模块没有实现这层兼容逻辑，只支持标准gzip格式，哪怕你把文件改后缀为.gz也无法识别，这也是你用Python的gzip命令行模式同样报错的原因。

这类.dsx都是仅包含单个XML文件的ZIP包，直接用Python标准库的zipfile模块读取即可，读取包内第一个文件的内容，就能得到和命令行gzip输出完全一致的结果，参考代码：

import sys
import zipfile

def main():
    file_path = sys.argv[1]
    with zipfile.ZipFile(file_path, 'r') as zf:
        # 取压缩包内唯一的XML文件
        inner_file_name = zf.namelist()[0]
        with zf.open(inner_file_name, 'rb') as f:
            content = f.read()
            # 输出XML文本，编码可根据XML头声明调整，绝大多数场景用utf-8即可
            print(content.decode('utf-8'))

if __name__ == "__main__":
    main()

如果解码时出现编码错误，查看XML文件开头的<?xml ... encoding="xxx"?>声明，把decode的参数换成对应的编码即可。

内容的提问来源于stack exchange，提问作者mitchkman