如何使用Python 3.10.5在嵌套zip压缩包中搜索指定字符串

原有代码仅遍历了最外层压缩包的直接条目，遇到内层嵌套ZIP时直接按普通文本读取，没有做递归解析，因此无法检索到深层文件内容。通过递归识别、内存解析内层ZIP的方式即可实现任意层级嵌套压缩包的检索需求，可直接运行的修复代码如下：

import io
import zipfile

# 基础配置
SEARCH_STRING = 'ERROR '
EXCLUDE_KEYWORD = 'Test'
OUTER_ZIP_PATH = "C:\\Python testing\\Logs-node1.zip"
RESULT_SAVE_PATH = "C:\\Python testing\\my file.txt"

def search_in_zip(zf, nested_path_prefix=""):
    """
    递归遍历zip对象内所有文件，检索目标字符串
    :param zf: 已加载的ZipFile对象
    :param nested_path_prefix: 嵌套层级路径前缀，用于记录文件的完整位置
    """
    for zip_info in zf.infolist():
        # 跳过目录、跳过包含排除关键词的文件
        if zip_info.is_dir() or EXCLUDE_KEYWORD in zip_info.filename:
            continue
        
        full_file_path = f"{nested_path_prefix}/{zip_info.filename}" if nested_path_prefix else zip_info.filename
        
        # 当前条目为zip压缩包时，递归进入内层检索
        if zip_info.filename.lower().endswith('.zip'):
            # 直接在内存中读取内层zip字节流，无需解压到本地磁盘
            inner_zip_bytes = io.BytesIO(zf.read(zip_info))
            with zipfile.ZipFile(inner_zip_bytes) as inner_zf:
                search_in_zip(inner_zf, nested_path_prefix=full_file_path)
            continue
        
        # 普通文本文件逐行匹配
        with io.TextIOWrapper(zf.open(zip_info), encoding="utf-8", errors='ignore') as f:
            for line_no, line in enumerate(f, 1):
                if SEARCH_STRING.lower() in line.lower():
                    # 追加写入结果，避免覆盖之前的匹配记录
                    with open(RESULT_SAVE_PATH, "a", encoding="utf-8") as res_file:
                        res_file.write(f"{full_file_path} : {line_no} : {line}")

if __name__ == "__main__":
    # 检索前清空旧的结果文件
    with open(RESULT_SAVE_PATH, "w", encoding="utf-8") as f:
        f.write("")
    # 加载最外层压缩包启动检索
    with zipfile.ZipFile(OUTER_ZIP_PATH) as outer_zf:
        search_in_zip(outer_zf)

关键调整说明 #

• 递归解析嵌套ZIP：读取到.zip后缀的条目时，直接将其二进制内容加载到内存生成ZipFile对象继续遍历，无需将内层压缩包解压到本地磁盘，支持任意深度的嵌套结构
• 完整路径记录：匹配到目标字符串时会输出从最外层到目标文件的完整嵌套路径，例如some_directory/zip3.zip/File1，可直接定位内容位置
• 修复结果写入逻辑：原代码使用w模式写入结果，每次匹配到新内容都会覆盖之前的记录，改为追加写入模式，检索启动前先清空旧结果文件，保证输出内容完整
• 异常规避：新增目录条目判断，跳过压缩包内的文件夹路径，避免尝试打开目录抛出IO错误

内容的提问来源于stack exchange，提问作者Pranav Shah