【015】对文件进行压缩_#py

对文件进行压缩

  • [1. 下载7z软件](#1. 下载7z软件)
  • [2. 调用exe文件](#2. 调用exe文件)
  • [3. 压缩和分卷压缩](#3. 压缩和分卷压缩)
  • [4. 完整代码](#4. 完整代码)

1. 下载7z软件

从官网下载https://www.7-zip.org/软件。

2. 调用exe文件

主要是通过 subprocess 调用对应的command的命令。

python 复制代码
subprocess.run(command, check=True)

其中 command 的应包含7z软件的exe文件地址以及文件大小,文件压缩前后的名字及地址。

3. 压缩和分卷压缩

其中command的示例如下

python 复制代码
command = [
    seven_zip_path,
    'a',
    '-tzip',
    f'-v{volume_size}b',  # 注意这里是以字节为单位
    output_zip + '/output.zip',
    source_dir + '\\*'  # 源目录及其内容   排除目录本身
]

第一个元素:

seven_zip_path:这是7-Zip可执行文件7z.exe的路径。如果7z.exe在系统的PATH环境变量中,你可以直接使用'7z'。否则,你需要提供7z.exe的完整路径。

第二个元素:

'a':这是7-Zip的命令行选项,用于添加文件到压缩档案。

与第二个元素相接的两个元素都是和 "a" 相互使用。

  1. -t{Type}:设置压缩文件的类型(zip、tar、gzip、bzip2等)。例如,-tzip 表示创建ZIP格式的压缩文件,-t7z 表示创建7z格式的压缩文件。
  2. -m{Parameters}:设置压缩方法和参数。例如,-mx=9 表示使用最高级别的压缩。
  3. -p{Password}:设置压缩文件的密码。
  4. -r:递归子目录,即包括所有子目录中的文件。
  5. -v{Size}:设置分卷的大小。例如,-v10m 表示每个分卷的大小为10MB。
  6. -x[r[-|0]]{@listfile|!wildcard}:排除文件或目录。
  7. -i[r[-|0]]{@listfile|!wildcard}:包括文件或目录。
  8. -sdel:压缩后删除原文件,相当于剪切操作。

第五个元素:

output_zip + '/output.zip'

表示压缩档案的输出路径和文件名。这可以是一个包含路径的完整文件名。
本示例用了-v{Size},因此在压缩过程中,总文件大小超过Size时,就会调用分卷压缩,则会在文件后面加个001,002等标识。

第六个元素

source_dir + '\\*'

这是要压缩的文件的路径。可以是单个文件或文件夹。

source_dir = "C:/"

  1. 若是只有 source_dir,则会压缩这个文件夹及文件夹以内的文件内容。
  2. 若是包含了'\\*',则会只压缩文件夹以内的内容,但不会压缩文件夹本身。

文件大小标识

python 复制代码
volume_size_mb = 100     # 这个表示压缩后的文件大小,以MB为单位。
volume_size = volume_size_mb * 1024 * 1024

4. 完整代码

python 复制代码
	source_directory = r'.\dist'  # 需要压缩的文件地址
    output_zip_filename = r'.\upload'    # 压缩后文件存放地址
    volume_size_mb = 100  # 每个分卷的大小为10MB
    seven_zip_path = r'C:\Program Files\7-Zip\7z.exe'  # 7-Zip的完整路径
    volume_size = volume_size_mb * 1024 * 1024		# 转义文件大小
    command = [
        seven_zip_path,
        'a',		# 压缩
        '-tzip',		# 压缩文件格式
        f'-v{volume_size}b',  # 注意这里是以字节为单位
        output_zip + '/output.zip',
        source_dir + '\\*'  # 源目录及其内容   排除目录本身
    ]
    subprocess.run(command, check=True)		# 调用命令行
相关推荐
dbdr09012 分钟前
Linux 入门到精通,真的不用背命令!零基础小白靠「场景化学习法」,3 个月拿下运维 offer,第二十六天
linux·运维·服务器·网络·python·学习
花花无缺7 分钟前
python自动化-pytest-用例发现规则和要求
后端·python
YUELEI11838 分钟前
langchain 提示模版 PromptTemplate
python·langchain
东方不败之鸭梨的测试笔记41 分钟前
LangChain: Models, Prompts 模型和提示词
人工智能·python·langchain
AI Echoes1 小时前
别再手工缝合API了!开源LLMOps神器LMForge,让你像搭积木一样玩转AI智能体!
人工智能·python·langchain·开源·agent
AI Echoes1 小时前
从零构建企业级LLMOps平台:LMForge——支持多模型、可视化编排、知识库与安全审核的全栈解决方案
人工智能·python·langchain·开源·agent
beijingliushao2 小时前
58-正则表达式
数据库·python·mysql·正则表达式
陈敬雷-充电了么-CEO兼CTO2 小时前
具身智能多模态感知与场景理解:融合语言模型的多模态大模型
人工智能·python·gpt·语言模型·自然语言处理·chatgpt·多模态
荔枝吻2 小时前
【AI总结】Python BERT 向量化入门指南
人工智能·python·bert
张子夜 iiii2 小时前
传统神经网络实现-----手写数字识别(MNIST)项目
人工智能·pytorch·python·深度学习·算法