Python使用ZipFile读取压缩包报不存在dataset.csv的KeyError如何解决

问题场景 #

我在开发数据处理程序时定义了DataProcesser类，核心处理流程如下：

• 首先在raw_file_processing函数中完成原始数据格式化处理
• 接着调用dataset_csv函数生成dataset.csv文件
• 最后通过zip_files函数对目标文件进行压缩

实例化DataProcesser类时，默认开启的read_on_init参数会自动触发read_archive方法读取压缩包内的dataset.csv文件，此时程序抛出KeyError异常：

KeyError: "There is no item named 'dataset.csv' in the archive"

根因定位方向 #

按以下优先级排查即可定位问题：

1. 压缩逻辑校验：打印zip_files函数的输入文件列表，确认dataset.csv是否被纳入压缩范围，同时检查压缩时是否给文件加了目录前缀，比如压缩包内的文件路径为output/dataset.csv，直接按根路径下的dataset.csv读取就会报错
2. 文件名一致性校验：检查dataset_csv生成的实际文件名是否和读取时的文件名完全一致，包括大小写、拼写、后缀，Windows系统本地文件名不区分大小写，但zip压缩包内的路径是大小写敏感的
3. IO操作时序校验：确认生成dataset.csv后已经关闭文件句柄，再执行压缩操作，避免文件未完全落盘就被压缩，导致压缩包内无有效文件
4. 压缩包路径校验：打印read_archive方法读取的压缩包绝对路径，确认读取的是本次流程新生成的压缩包，而非历史遗留的无dataset.csv的旧包

临时验证方案 #

如果需要快速验证业务逻辑，可以在read_archive方法读取文件前，先打印压缩包内的所有文件名列表，确认目标文件的实际名称，示例代码如下：

# 以Python标准库zipfile为例
import zipfile
import pandas as pd

with zipfile.ZipFile(archive_path, 'r') as zf:
    # 打印压缩包内所有文件路径
    print("压缩包内文件列表：", zf.namelist())
    # 模糊匹配目标csv文件
    target_file = [f for f in zf.namelist() if f.endswith('dataset.csv')][0]
    df = pd.read_csv(zf.open(target_file))

内容的提问来源于stack exchange，提问作者melololo