有没有用于在zip文件中进行正则匹配的Python模块？

Question

我有超过一百万个文本文件，这些文件被压缩成了40个zip文件。我还有大约500个手机型号的名称列表。我想知道在这些文本文件中，某个特定型号被提到的次数。

有没有什么Python模块可以在不解压缩文件的情况下，对这些文件进行正则表达式匹配？有没有简单的方法可以解决这个问题，而不需要解压缩？

Answer 1

理论上来说，能不能直接读取ZIP文件里的霍夫曼编码，然后把正则表达式转换成霍夫曼代码呢？这样做会不会比先解压数据再运行正则表达式更有效率呢？

（注意：我知道这并不是那么简单：你还得处理ZIP编码的其他方面，比如文件布局、块结构和回溯引用等等，但我想这可能不会太复杂。）

补充：另外，直接使用zipfile的解决方案可能更合理。

Answer 2

你可以一个一个地查看这些压缩文件，使用zipfile模块来读取里面的文件，然后对这些文件运行你的正则表达式，这样就不需要一次性解压所有文件了。

我很确定你不能直接对压缩的数据运行正则表达式，至少这样做没有什么意义。

Answer 3

没有什么东西会自动完成你想要的事情。

不过，有一个叫做python zipfile的模块，可以让这个过程变得简单。下面是如何逐行读取文件的示例。

#!/usr/bin/python

import zipfile
f = zipfile.ZipFile('myfile.zip')

for subfile in f.namelist():
    print subfile
    data = f.read(subfile)
    for line in data.split('\n'):
        print line