zlib.decompress(string, wbits, bufsize)
을 사용하는 경우 wbits
을 지정하십시오 (예 : "문제 해결"끝 부분 참조).
문제 해결
는 (알 수없는 "콘텐츠 인코딩"을 가진 바이트 범위 응답을 다운로드 참고 AA curl 명령으로 시작하자 : 우리는 손 전에 알고는 mabye, deflate
어쩌면 gzip
압축 된 물건의 일종) : 다음 응답 헤더와
export URL="https://commoncrawl.s3.amazonaws.com/crawl-data/CC-MAIN-2016-18/segments/1461860106452.21/warc/CC-MAIN-20160428161506-00007-ip-10-239-7-51.ec2.internal.warc.gz"
curl -r 266472196-266527075 $URL | gzip -dc | tee hello.txt
: 그래서 지점
HTTP/1.1 206 Partial Content
x-amz-id-2: IzdPq3DAPfitkgdXhEwzBSwkxwJRx9ICtfxnnruPCLSMvueRA8j7a05hKr++Na6s
x-amz-request-id: 14B89CED698E0954
Date: Sat, 06 Aug 2016 01:26:03 GMT
Last-Modified: Sat, 07 May 2016 08:39:18 GMT
ETag: "144a93586a13abf27cb9b82b10a87787"
Accept-Ranges: bytes
Content-Range: bytes 266472196-266527075/711047506
Content-Type: application/octet-stream
Content-Length: 54880
Server: AmazonS3
. curl -r 266472196-266472208 $URL | xxd
진수 출력 :
0000000: 1f8b 0800 0000 0000 0000 ecbd eb
우리는 우리가 16 진수 값으로 작업하는 것의 몇 가지 기본을 볼 수 있습니다
는 처음 10 바이트의 진수 출력을 표시 할 수 있습니다.
은 대략 수정 시간 (
0000 0000
)없이 수축 사용하여 아마 GZIP (
1f8b
) (
0800
)을 의미, 또는 여분의 플래그는 FAT32 시스템 (
00
)를 사용하여, (
00
)을 설정합니다.
섹션 2.3/2.3을 참조하십시오.1 : 그래서 파이썬 위에 https://tools.ietf.org/html/rfc1952#section-2.3.1
:
>>> import zlib
: 비슷한
>>> import requests
>>> url = 'https://commoncrawl.s3.amazonaws.com/crawl-data/CC-MAIN-2016-18/segments/1461860106452.21/warc/CC-MAIN-20160428161506-00006-ip-10-239-7-51.ec2.internal.warc.gz'
>>> response = requests.get(url, params={"range":"bytes=257173173-257248267"})
>>> unknown_compressed_data = response.content
통지 아무것도
>>> unknown_compressed_data[:10]
'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x00'
과의 그냥 (documentation)에 따라 무작위로 해보자 압축 해제에에?
"zlib.error : 오류 -2 prepa 링 데이터의 압축을 해제합니다 : 일관성 스트림 상태 " :
>>> zlib.decompress(unknown_compressed_data, -31)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
zlib.error: Error -2 while preparing to decompress data: inconsistent stream state
"오류 -3 데이터 압축을 푸는 동안 : 잘못된 헤더 체크를 "
>>> zlib.decompress(unknown_compressed_data)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
zlib.error: Error -3 while decompressing data: incorrect header check
"zlib.error : 오류 -3 동안 압축 해제 데이터 : 유효 거리가 너무 멀리 뒤로 " :
>>> zlib.decompress(unknown_compressed_data, 30)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
zlib.error: Error -3 while decompressing data: invalid distance too far back
가능하다 olution :
>>> zlib.decompress(unknown_compressed_data, 31)
'WARC/1.0\r\nWARC-Type: response\r\nWARC-Date: 2016-04-28T20:14:16Z\r\nWARC-Record-ID: <urn:uu
코드를 보여주세요! 데이터가 부적절하게 인코딩/디코딩되지 않았는지 확인합니다 (즉, 이진 데이터로 처리해야합니다). – Cameron
데이터가 여러 개의 청크로 분할되고 올바른 길이를 얻으려면 헤더를 구문 분석해야 할 수 있습니다. gzipped 헤더의 길이 정보는 –
입니다. 압축 된 데이터 자체에 "\ r \ n"이있는 경우이를 압축하고 모든 압축 된 데이터 대신 일부만 디코딩하면 어떻게됩니까? 문제가있는 경우 유효성을 검사하기 전에 서버에서 "\ r \ n"을 찾으려고합니다. –