将 .tar.gz 文件的内容从网站读取到 python 3.x 对象中

我是Python新手。当尝试将 .tar.gz 文件的内容读入 python 时，我无法弄清楚我做错了什么。我想要阅读的 tar 文件托管在以下网址：

ftp://ftp.ncbi.nlm.nih.gov/pub/pmc/b0/ac/Breast_Cancer_Res_2001_Nov_9_3(1)_61-65.tar.gz

此站点上有更多信息（只是为了让您可以信任内容）http://www.pubmedcentral.nih.gov/utils/oa/oa.fcgi?id=PMC13901

tar 文件包含期刊文章的 .pdf 和 .nxml 副本。还有一些图像文件。

如果我通过复制和粘贴在浏览器中打开文件。我可以保存到 PC 上的某个位置，然后使用以下命令导入 tar 文件（注意：当我保存到该位置时，winzip 会将文件从 .tar.gz 更改为简单的 .tar）：

import tarfile
thetarfile = "C:/Users/dfcm/Documents/Breast_Cancer_Res_2001_Nov_9_3(1)_61-65.tar"
tfile = tarfile.open(thetarfile)
tfile

但是，如果我尝试使用类似的命令直接访问该文件：

thetarfile = "ftp://ftp.ncbi.nlm.nih.gov/pub/pmc/b0/ac/Breast_Cancer_Res_2001_Nov_9_3(1)_61-65.tar.gz"
bbb = tarfile.open(thetarfile)

这会导致以下错误：

 Traceback (most recent call last):
 File "<pyshell#137>", line 1, in <module>
 bbb = tarfile.open(thetarfile)
 File "C:\Python30\lib\tarfile.py", line 1625, in open
 return func(name, "r", fileobj, **kwargs)
 File "C:\Python30\lib\tarfile.py", line 1687, in gzopen
 fileobj = bltn_open(name, mode + "b")
 File "C:\Python30\lib\io.py", line 278, in __new__
 return open(*args, **kwargs)
 File "C:\Python30\lib\io.py", line 222, in open
 closefd)
 File "C:\Python30\lib\io.py", line 615, in __init__
 _fileio._FileIO.__init__(self, name, mode, closefd)
 IOError: [Errno 22] Invalid     argument: 'ftp://ftp.ncbi.nlm.nih.gov/pub/pmc/b0/ac/Breast_Cancer_Res_2001_Nov_9_3(1)_61-65.tar'

谁能解释我在尝试直接从网址读取 .tar.gz 文件时做错了什么？提前致谢。克里斯

不幸的是，您不能只从网络打开文件。这里的情况有点复杂。您必须指示解释器创建网络请求并创建表示请求状态的对象。这可以使用以下方法完成urllib module.

import urllib.request
import tarfile
thetarfile = "ftp://ftp.ncbi.nlm.nih.gov/pub/pmc/b0/ac/Breast_Cancer_Res_2001_Nov_9_3(1)_61-65.tar.gz"
ftpstream = urllib.request.urlopen(thetarfile)
thetarfile = tarfile.open(fileobj=ftpstream, mode="r|gz")

The ftpstreamobject 是一个类文件，表示与 ftp 服务器的连接。然后 tarfile 模块就可以访问这个流。由于我们不传递文件名，因此我们必须在mode范围。