Python tarfile模块读取tar包出现带._前缀重复文件的原因是什么

这些带._前缀的文件是macOS系统生成的AppleDouble格式元数据文件，存储对应文件的扩展属性、资源分支、Finder配置等信息。你使用的压缩包是在macOS环境下打包生成的，不管是用命令行tar打包，还是用macOS右键菜单的「压缩」功能生成压缩包，默认都会写入这类元数据。
macOS自带的BSD tar命令内置了AppleDouble元数据处理逻辑，执行查询、解压操作时会自动隐藏这类元数据条目，解压时直接把元数据写入对应文件的属性，不会生成单独的实体文件，所以你用tar tvf命令看不到这些条目，解压后也没有对应文件。如果把这类压缩包放到Linux系统上用GNU tar操作，会直接看到这些._文件，解压也会生成单独的实体文件。
Python的tarfile模块默认没有内置这类过滤逻辑，会把压缩包内所有条目都读出来，所以会返回6个文件。

分为两种场景处理：

• 场景1：还未生成压缩包，可从根源避免元数据写入
  打包时在命令前添加COPYFILE_DISABLE=1环境变量即可，命令示例：

  COPYFILE_DISABLE=1 tar zcvf testing.tar.gz 待打包的文件/目录
  

• 场景2：已有现成的压缩包，读取时做过滤即可
  遍历文件列表时过滤所有文件名以._开头的条目即可，split('/')[-1]的写法可以避免误杀路径中包含._的正常文件，修改后的代码示例：

  import tarfile
  
  infile = '/Users/myname/Downloads/tt/testing.tar.gz'
  outdir = '/Users/myname/Downloads/tt/out'
  
  if tarfile.is_tarfile(infile):
      # 用with语法可以自动关闭文件句柄，不需要手动调用close
      with tarfile.open(infile, 'r') as tar_obj:
          # 过滤元数据文件
          valid_names = [
              name for name in tar_obj.getnames() 
              if not name.split('/')[-1].startswith('._')
          ]
          for name in valid_names:
              print(name)
          # 如果需要解压，也基于过滤后的逻辑操作即可
          # for tar_info in tar_obj:
          #     if not tar_info.name.split('/')[-1].startswith('._'):
          #         tar_obj.extract(tar_info, outdir)
  

内容的提问来源于stack exchange，提问作者Bruce Banner