17370845950

选对压缩格式比写对代码更重要：zip适合跨平台快速打包，tar.gz兼顾通用性与压缩率，tar.xz适合高压缩归档，zstd在速度与压缩率间更平衡。

Python 中做文件压缩和解压，选对格式比写对代码更重要——不同场景下，zip、tar.gz、7z（需外部工具） 的性能差异可能达数倍。关键不在“能不能”，而在“快不快、占不占空间、跨不跨平台”。

压缩速度 vs 压缩率：按需取舍

压缩不是越高压越好，得看用途：

• zip：默认无压缩（STORE）或基础Deflate，打包快、解压快、Windows/macOS/Linux 原生支持，适合分发源码、日志归档、需要快速随机读取单个文件的场景；但压缩率一般，不支持多线程压缩（标准库层面）。
• tar.gz（gzip）：单线程压缩，中等速度，中等压缩率，POSIX 系统通用；适合备份整目录、CI/CD 中传输中间产物；注意：tarfile 模块默认不启用多线程，gzip 本身也不并行。
• tar.xz（xz/lzma）：压缩慢、解压稍慢，但压缩率显著更高（尤其文本类数据），适合长期归档、磁盘空间敏感场景；Python 标准库支持（lzma 模块），但内存占用略高。
• 7z / zstd（需第三方库）：zstd 在压缩速度、解压速度、压缩率之间做了更好平衡，libzstd 绑定（如 pyzstd）可启用多线程；7z 需调用命令行，灵活性高但依赖外部环境。

Python 标准库实操要点

不用装包也能高效干活，但要注意这些细节：

• 用 zipfile.ZipFile 时，指定 compression=zipfile.ZIP_DEFLATED 才真正压缩；用 ZIP_STORED 就是单纯打包，几乎零开销。
• tarfile.open(..., "w:gz") 内部调用 gzip.compress，无法控制压缩级别，默认是 6；想调高（如 9）需先用 gzip.GzipFile 手动封装流。
• 大文件压缩时，避免一次性读入内存：用 shutil.copyfileobj(src, dst, length=1024*1024) 流式处理，防止 OOM。
• 解压路径要校验，防止 zip slip（如 ../../etc/passwd）：对 ZipInfo.filename 或 TarInfo.name 做 os.path.abspath() + 路径前缀检查。

真实场景对比建议

拿一个含 1000 个 Python 文件（约 20MB 源码）的目录测试（i7-11800H，Python 3.11）：

• 打包时间（秒）：zip（0.18）＜ tar.gz（0.31）＜ tar.xz（1.9）＜ zstd（0.25，pyzstd + level=3）
• 压缩后体积：zip（7.2MB）＞ tar.gz（6.1MB）＞ zstd（5.8MB）＞ tar.xz（5.3MB）
• 解压时间（秒）：zip（0.11）＜ zstd（0.13）＜ tar.gz（0.17）＜ tar.xz（0.28）

结论：日常开发打包用 zip；CI 产物传远端用 tar.gz 或 zstd；归档历史版本优先 tar.xz；追求极致解压速度且接受稍大体积，用 zip + STORE（仅打包）。

跨平台与兼容性避坑

别让压缩包在对方机器上打不开：

• Windows 用户收到 .tar.gz 可能双击打不开，推荐附带说明或转成 .zip；macOS 默认不带 xz，.tar.xz 需用户自行装 xz 工具。
• zip 文件注意中文路径：Python 3.7+ 默认用 UTF-8 存储文件名，但旧版 Windows 解压工具可能乱码；稳妥做法是统一用 ASCII 命名，或明确告知用户用 7-Zip / Bandizip 打开。
• tar 包在 Windows 上解压可能丢失权限或硬链接信息，若需完整 POSIX 属性（如 Docker 构建上下文），优先用 tar.gz 并确保目标环境为 Linux。