Python encompress 包完整使用指南encompress是Python中轻量、高效的文件压缩/解压缩专用工具包专注于处理主流压缩格式ZIP、RAR、7Z、TAR、GZIP、BZ2等支持批量压缩、加密解压、进度回调、分卷压缩等实用功能语法简洁易用兼容Windows/macOS/Linux全平台是文件自动化处理、数据备份、日志归档的理想工具。一、核心功能概述多格式支持ZIP、RAR(需依赖)、7Z、TAR、GZ、BZ2、XZ、TGZ 等全格式压缩/解压缩核心能力单文件/多文件/文件夹批量压缩加密压缩包解压/创建加密压缩包分卷压缩大文件拆分、压缩包内容预览解压进度监听、覆盖策略控制、文件过滤优势无需复杂配置API极简底层调用高效压缩库内存占用低二、安装方法1. 基础安装核心功能pipinstallencompress2. 扩展依赖安装支持RAR/7Z格式encompress依赖系统工具处理RAR/7Z需额外安装Windows安装 WinRAR、7-Zip并添加到系统环境变量macOSbrew install rar p7zipLinuxsudo apt install rar p7zip-full3. 验证安装importencompressprint(encompress.__version__)# 输出版本号即安装成功三、核心语法与参数详解encompress提供统一API压缩/解压缩函数语法高度一致核心函数函数功能compress()压缩文件/文件夹decompress()解压缩文件list_archive()查看压缩包内文件列表split_compress()分卷压缩1. 压缩函数compress()基础语法encompress.compress(source,# 源文件/文件夹路径str/listoutput,# 输出压缩包路径formatzip,# 压缩格式passwordNone,# 压缩密码overwriteFalse,# 覆盖已存在文件excludeNone,# 排除文件规则progress_cbNone# 进度回调函数)完整参数说明参数类型说明sourcestr/list必填单个文件/文件夹路径或多个文件路径列表outputstr必填输出压缩包完整路径含后缀formatstr压缩格式zip/tar/gz/bz2/xz/7z默认zippasswordstr可选加密压缩密码仅支持ZIP/7Z/RARoverwritebool可选是否覆盖已存在压缩包默认False不覆盖excludelist可选排除文件后缀/名称如[*.log, tmp/]progress_cbfunction可选进度回调函数接收percent参数0-1002. 解压缩函数decompress()基础语法encompress.decompress(archive,# 压缩包路径output_dir,# 解压输出目录passwordNone,# 解压密码overwriteFalse,# 覆盖已存在文件filter_extNone,# 仅解压指定格式文件progress_cbNone# 进度回调)完整参数说明参数类型说明archivestr必填压缩包文件路径output_dirstr必填解压到的目标文件夹自动创建passwordstr可选加密压缩包密码overwritebool可选覆盖已存在文件默认Falsefilter_extlist可选仅解压指定后缀文件如[*.txt, *.csv]progress_cbfunction可选进度回调函数3. 辅助函数查看压缩包内容encompress.list_archive(archive_path,passwordNone)分卷压缩encompress.split_compress(source,output,split_size,formatzip,passwordNone)# split_size分卷大小如 10MB、1GB四、8个实际应用案例案例1单文件ZIP压缩基础用法场景将单个文档压缩为ZIP格式importencompress# 压缩单个文件encompress.compress(sourcereport.pdf,outputreport.zip,formatzip)print(单文件压缩完成)案例2多文件批量压缩场景将多个零散文件打包压缩importencompress# 多个文件路径列表file_list[data1.csv,data2.xlsx,notes.txt]encompress.compress(sourcefile_list,outputdataset.zip,overwriteTrue# 覆盖已存在文件)print(多文件批量压缩完成)案例3文件夹递归压缩含子目录场景压缩整个项目文件夹自动包含所有子文件/子目录importencompress encompress.compress(sourcemy_project,# 文件夹路径outputproject_backup.zip,exclude[__pycache__/,*.pyc]# 排除缓存文件)print(文件夹递归压缩完成)案例4创建加密压缩包场景压缩敏感文件并设置密码保护importencompress encompress.compress(sourceprivate_data.xlsx,outputprivate_data.zip,password123456,# 加密密码formatzip)print(加密压缩包创建完成)案例5解压普通压缩包场景将ZIP文件解压到指定目录importencompress encompress.decompress(archivedataset.zip,output_dirunzip_data# 自动创建文件夹)print(解压完成)案例6解压加密压缩包场景解压带密码的压缩包importencompress encompress.decompress(archiveprivate_data.zip,output_dirdecrypted_data,password123456,# 解压密码overwriteTrue)print(加密压缩包解压完成)案例7分卷压缩大文件场景将大文件拆分为多个小体积压缩包便于传输importencompress# 分卷大小每个压缩包100MBencompress.split_compress(sourcelarge_video.mp4,outputvideo_split.zip,split_size100MB,formatzip)print(大文件分卷压缩完成)案例8带进度监听的解压可视化进度场景解压大文件时实时打印进度importencompress# 定义进度回调函数defshow_progress(percent):print(f解压进度{percent:.1f}%,end\r)# 带进度的解压encompress.decompress(archivebig_data.zip,output_dirbig_data_unzip,progress_cbshow_progress)print(\n解压完成)五、常见错误与解决方案错误类型原因解决方案FileNotFoundError源文件/压缩包路径不存在检查路径是否正确使用绝对路径PasswordError解压密码错误/加密格式不支持核对密码仅ZIP/7Z/RAR支持加密FormatNotSupportedError压缩格式未安装依赖如RAR/7Z安装对应系统工具WinRAR/7-ZipFileExistsError输出文件已存在overwriteFalse设置overwriteTrue覆盖文件PermissionError文件被占用/无读写权限关闭占用文件的程序以管理员身份运行ArchiveCorruptedError压缩包损坏/分卷压缩包缺失重新下载压缩包确保所有分卷文件齐全六、使用注意事项路径规范优先使用绝对路径如C:/data/file.zip避免相对路径报错路径中不要包含中文/特殊字符部分系统兼容问题格式限制RAR格式仅支持解压不支持创建RAR压缩包GZ/BZ2仅支持单文件压缩不支持文件夹/多文件密码安全加密压缩仅支持ZIP/7Z/RAR其他格式无加密功能密码不要使用空字符串避免压缩包损坏大文件处理压缩/解压大文件时使用progress_cb监听进度避免误以为程序卡死分卷压缩时所有分卷文件必须放在同一目录才能正常解压跨平台兼容Windows下路径用/或\\macOS/Linux用/批量处理文件时统一文件编码为UTF-8异常处理生产环境建议添加try-except捕获异常importencompresstry:encompress.compress(data.txt,data.zip)exceptExceptionase:print(f压缩失败{str(e)})总结encompress是Python极简压缩解压工具支持ZIP/7Z/RAR等全格式语法统一易上手核心函数为compress()压缩、decompress()解压支持加密、分卷、进度监听等功能8个实战案例覆盖日常90%的压缩解压场景配合异常处理可稳定用于自动化脚本使用时注意路径规范、格式依赖、密码限制可避免绝大多数常见错误。《动手学PyTorch建模与应用:从深度学习到大模型》是一本从零基础上手深度学习和大模型的PyTorch实战指南。全书共11章前6章涵盖深度学习基础包括张量运算、神经网络原理、数据预处理及卷积神经网络等后5章进阶探讨图像、文本、音频建模技术并结合Transformer架构解析大语言模型的开发实践。书中通过房价预测、图像分类等案例讲解模型构建方法每章附有动手练习题帮助读者巩固实战能力。内容兼顾数学原理与工程实现适配PyTorch框架最新技术发展趋势。