在tar压缩文件中逐行解析压缩后的日志文件

Question

我的日志文件具有以下结构：/var/log/2013-12-24.tar.gz该文件具有：2013-12-24/{00,01,02...23}.log.gz档案我需要使用Python解析这些文件，无需提取磁盘或内存上的任何文件有什么建议 ？

Answer 1

使用，这是不可能的.tar.gz，这就是原因。

为了创建.tar.gz文件，您必须tar先创建单个.tar文件，然后再创建gzip结果。

.tar可以在不读取整个内容的情况下扫描文件，但只有在tar归档成员相对较大的情况下，它才能很好地工作。这是因为tar没有任何标头在一个紧凑的位置列出所有成员。每个存档成员都有512字节的描述符，比显示下一个描述符的位置还要多。使用大型归档成员，您可以相对快速地在磁盘上找到任意成员的内容，但是您将不得不lseek()多次。

但是，一旦您gzip在上进行了应用.tar，从根本上来说，就不可能迅速获得存档中所有成员的列表，而实际上无法解压缩其内容的可能性就大大降低了。您甚至不得不解压缩整个存档，甚至只是简单地获取其所有成员的列表。

请注意，流行.tar.bz2或.tar.xz格式存在完全相同的问题。

您可以使用zip格式对其进行修复。zip之所以具有.tar.gz更大的优势，是因为它确实具有紧凑的索引，该索引在一个位置列出了所有存档成员，并且它允许快速读取该列表并仅提取您需要的文件，而不必提取（压缩）.tar.gz遭受苦难的整个存档。