国产av日韩一区二区三区精品,成人性爱视频在线观看,国产,欧美,日韩,一区,www.成色av久久成人,2222eeee成人天堂

場景描述：

現(xiàn)有許多行日志文本，按天壓縮成一個個TB級的gzip文件。
使用流對每個壓縮文件的數(shù)據(jù)段進行傳輸然后解壓，對解壓出的文本分詞并索引
以后查到這個詞時，定位到這個詞所在的文件和段，再用流傳輸并解壓
（實際上是想利用已有的壓縮文件構(gòu)造一個類似ES的搜索引擎）

現(xiàn)在的問題是，因為接收到的不是完整的壓縮文件而是塊狀二進制數(shù)據(jù)，所以接收的數(shù)據(jù)由于信息不完全而無法解壓

現(xiàn)在想實現(xiàn)這樣的功能：首先將接收到的流數(shù)據(jù)解壓還原為完整的數(shù)據(jù)（原始日志數(shù)據(jù)以換行符分隔，能得到每段流數(shù)據(jù)壓縮前的文本和對應文件的偏移量就好），然后考慮到傳輸和存儲等過程可能使數(shù)據(jù)出錯，所以針對每段數(shù)據(jù)流，在出錯的情況下解壓出盡可能多的數(shù)據(jù)。

部分相關代碼如下：（改自https://stackoverflow.com/que...）

import zlib
import traceback

CHUNKSIZE=30

d = zlib.decompressobj(16 + zlib.MAX_WBITS)

f = open('test.py.gz','rb')
buffer = f.read(CHUNKSIZE)

i = 0
while buffer :
    i += 1
    try:
        #skip two chunk 
        if i < 3 or i > 4:
            outstr = d.decompress(buffer)
            print('*'*10 + outstr + '#'*10)
    except Exception, e:
        print(traceback.print_exc())
    finally:
        buffer = f.read(CHUNKSIZE)


outstr = d.flush()
print(outstr)

f.close()

當i>=3以后，每次循環(huán)均報錯
我的結(jié)論是 若流不連續(xù)（跳過接收部分數(shù)據(jù)），則之后的數(shù)據(jù)都無法解壓。
問題1：如果做到能正確的解壓出收到的每部分數(shù)據(jù)？（因為可能牽涉到gzip壓縮的算法和數(shù)據(jù)結(jié)構(gòu)，我正在看相關代碼。如果可以通過追加傳輸頭部的某一chuck或者需要解壓的數(shù)據(jù)的前后某些chuck能解決問題也算可以）
問題2：
如果不能正確的解壓接收到的每部分數(shù)據(jù)，那么如何做到解壓出盡可能多的數(shù)據(jù)？