ZipFile.infolist()返回顺序与压缩包实际文件顺序不符的解决办法咨询

问题描述 #

我最近在实现一个功能：提取压缩包内的文件，并将它们重命名为从1到n的序列（保留原文件后缀）。但遇到了一个头疼的问题——当压缩包内的原文件名本身是按1、2、3...n命名时，ZipFile.infolist()返回的文件顺序完全不符合预期！

我最初写的代码是这样的：

from zipfile import ZipFile

with ZipFile(file) as zf:
    for i, file_info in enumerate(zf.infolist(), 1):
        # 提取原文件后缀并重新命名
        ext = file_info.filename.split(".")[-1]
        file_info.filename = f'{i}.{ext}'
        zf.extract(file_info, file_path)

结果调试时发现，压缩包里的文件本来是按1、2、3、4...n的顺序排列，但infolist()返回的ZipInfo列表却是按字符串字典序排序的——也就是1、10、11、12...2、3、4...这种顺序，直接导致我重命名后的文件顺序完全错乱了。

我想到过一个临时方案：让压缩包里的原文件名改成01、02、03这种带前导零的格式，但这个方案太依赖原始文件的命名规范，不够通用可靠。

解决方案 #

这个问题的根源在于：ZipFile.infolist()返回的顺序是文件在压缩包内部存储的顺序，而很多压缩工具（比如Windows默认的压缩功能）在添加数字命名的文件时，会按字符串字典序来添加，而非我们直观的数字大小顺序。所以我们需要手动对infolist()的结果进行排序，按照文件名的数字大小重新排列。

这里分两种常见场景给出解决代码：

场景1：文件名是纯数字+后缀（比如1.jpg、2.png）

直接提取文件名中的数字部分转成整数，以此作为排序依据：

from zipfile import ZipFile

def extract_and_rename(file, file_path):
    with ZipFile(file) as zf:
        # 按文件名的数字大小排序ZipInfo列表
        sorted_files = sorted(zf.infolist(), key=lambda x: int(x.filename.split(".")[0]))
        for i, file_info in enumerate(sorted_files, 1):
            ext = file_info.filename.split(".")[-1]
            file_info.filename = f'{i}.{ext}'
            zf.extract(file_info, file_path)

场景2：文件名包含其他字符但核心是数字（比如img_1.jpg、doc_2.pdf）

用正则表达式提取文件名中的数字部分，再进行排序：

import re
from zipfile import ZipFile

def extract_and_rename(file, file_path):
    with ZipFile(file) as zf:
        def get_file_number(file_info):
            # 匹配文件名中的连续数字
            match = re.search(r'\d+', file_info.filename)
            return int(match.group()) if match else 0  # 无数字的文件排到最后
        # 按提取到的数字大小排序
        sorted_files = sorted(zf.infolist(), key=get_file_number)
        for i, file_info in enumerate(sorted_files, 1):
            ext = file_info.filename.split(".")[-1]
            file_info.filename = f'{i}.{ext}'
            zf.extract(file_info, file_path)

补充说明 #

• 如果你能控制压缩包的生成过程，也可以在打包时确保文件是按数字大小顺序添加的，但这种方式远不如手动排序灵活通用。
• 不同压缩工具的文件存储逻辑可能有差异，但手动按数字排序的方案能覆盖绝大多数场景。

备注：内容来源于stack exchange，提问作者Murad Rustemzade