Python解压XML文件CDATA段gz压缩串报BadGzipFile错误

报错本质是压缩格式和解压接口不匹配：

• 报错提示的b'x\xda'是zlib格式压缩数据的典型文件头（对应最高压缩级别的zlib封装），而gzip格式压缩数据的标准头固定为b'\x1f\x8b'，两者虽然底层都使用DEFLATE压缩算法，但封装结构完全不同，无法用gzip.decompress接口解压zlib格式的数据。
• 你之前尝试直接把CDATA内的字符串传给gzip.decompress也无法运行，是因为所有Python压缩/解压接口的入参要求是字节类型（bytes），直接传入字符串类型会触发类型错误，且传入的内容本身是base64编码的文本，不是压缩后的二进制流。

涉及的XML文件结构参考：

按如下流程调整代码即可正常处理：

• 读取CDATA段内的文本内容，先做base64解码，得到压缩后的二进制字节流
• 换用zlib模块的解压接口处理解码后的二进制数据，替换原有的gzip解压逻辑
• 若最终需要输出明文对应的base64编码字符串，对解压得到的明文字节流做base64编码即可

可直接运行的参考代码：

import xml.etree.ElementTree as ElementTree
import binascii
import zlib
import base64

tree = ElementTree.parse("MYMGFILE.xml")
root = tree.getroot()

# 读取CDATA段存储的base64编码压缩文本
cdata_text = root[0].text
# Base64解码得到压缩后的二进制数据
compressed_data = binascii.a2b_base64(cdata_text)
# 用zlib接口解压，适配x\xda开头的zlib格式
plain_data = zlib.decompress(compressed_data)
# 若需要最终输出base64编码的结果，执行以下转换
final_base64_result = base64.b64encode(plain_data).decode("utf-8")

• 若运行zlib解压时依旧报头校验错误，可调整wbits参数适配裸DEFLATE流：zlib.decompress(compressed_data, wbits=-15)，该参数会跳过封装头校验，直接解压裸DEFLATE数据，适配少数非标准封装的压缩内容。
• 原代码中赋值后未使用的file变量属于冗余代码，可直接删除避免逻辑混淆。

内容的提问来源于stack exchange，提问作者Rene Albrecht