Nén, giải nén file trong Python: zipfile, gzip, tarfile
Bài 5/5 · Chương 20
Lưu dữ liệu và định dạng khác
- 8 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 13
Nén và giải nén file trong Python dùng các module có sẵn: zipfile cho file .zip, gzip cho một file .gz, tarfile để đóng gói cả một thư mục, và zlib để nén dãy byte ngay trong bộ nhớ. Bạn cần chúng khi muốn gom mười hai file sổ chi tiêu của cả năm thành một file gọn để gửi đi, hay khi phần mềm khác chỉ xuất dữ liệu dạng .csv.gz.
Cần biết trước: pathlib, file nhị phân với rb và wb và context manager.
Tạo file zip bằng zipfile.ZipFile()
Một file zip giống một chiếc vali: nhiều file xếp chung, mỗi file có thể được ép nhỏ lại. zipfile.ZipFile(ten, "w") tạo file zip mới và dùng được trong with, nên file zip được đóng và ghi đủ khi ra khỏi khối:
import zipfile
from pathlib import Path
dong = "05/11/2026,ăn uống,45000\n06/11/2026,học tập,150000\n"
Path("thang_10.csv").write_text(dong * 100, encoding="utf-8")
Path("thang_11.csv").write_text(dong * 150, encoding="utf-8")
with zipfile.ZipFile("so_chi_tieu.zip", "w",
compression=zipfile.ZIP_DEFLATED) as z:
z.write("thang_10.csv")
z.write("thang_11.csv")
z.writestr("doc_ky.txt", "Mỗi file là một tháng.")
with zipfile.ZipFile("so_chi_tieu.zip") as z:
for tep in z.infolist():
print(tep.filename, tep.file_size, tep.compress_size)KẾT QUẢ
thang_10.csv 5800 92
thang_11.csv 8700 102
doc_ky.txt 28 31write() thêm một file có trên đĩa, kể cả file tìm được bằng glob, writestr() thêm một file từ chuỗi hay byte trong chương trình. infolist() cho thông tin từng file: file_size là số byte gốc, compress_size là số byte sau khi nén. File CSV lặp nhiều dòng giống nhau nên nén còn chưa tới 2%, còn file doc_ky.txt quá ngắn lại to thêm vài byte. Số byte sau khi nén trong bài có thể lệch vài byte trên máy bạn, tùy bản thư viện nén. write("du_lieu/thang_10.csv") giữ cả tên thư mục trong zip, còn write(duong_dan, arcname="thang_10.csv") đặt tên khác cho file bên trong.
Mở và giải nén file zip
Mở zip để đọc thì bỏ chế độ, vì "r" là mặc định. namelist() cho tên các file bên trong, read() lấy một file ra thành byte, extractall() giải nén tất cả vào một thư mục:
import zipfile
from pathlib import Path
dau = "ngay,muc,tien\n"
with zipfile.ZipFile("so_chi_tieu.zip", "w") as z:
z.writestr("thang_10.csv", dau + "05/10/2026,đi lại,32000\n")
z.writestr("thang_11.csv", dau + "05/11/2026,ăn uống,45000\n")
with zipfile.ZipFile("so_chi_tieu.zip") as z:
print(z.namelist())
noi_dung = z.read("thang_11.csv").decode("utf-8")
print(noi_dung.splitlines()[1])
z.extractall("giai_nen")
for tep in sorted(Path("giai_nen").glob("*.csv")):
print(tep, tep.stat().st_size)KẾT QUẢ
['thang_10.csv', 'thang_11.csv']
05/11/2026,ăn uống,45000
giai_nen/thang_10.csv 41
giai_nen/thang_11.csv 42read() trả về byte như chế độ rb, nên cần decode("utf-8") để có chuỗi tiếng Việt. extractall() tự tạo thư mục giai_nen khi chưa có. Hai dòng cuối in đường dẫn với dấu / của macOS và Linux, Windows in dấu \. Đọc tên file không có trong zip thì read() báo KeyError.
Đọc ghi thẳng file .gz bằng gzip
gzip nén đúng một file, thường là file log hay file CSV lớn, thành một file .gz. gzip.open() mở file đó như open(), nên bạn đọc ghi từng dòng mà không cần giải nén ra đĩa trước:
import gzip
from pathlib import Path
dong = "05/11/2026,ăn uống,45000\n06/11/2026,học tập,150000\n"
with gzip.open("thang_11.csv.gz", "wt", encoding="utf-8") as f:
f.write("ngay,muc,tien\n" + dong * 500)
print(Path("thang_11.csv.gz").stat().st_size)
with gzip.open("thang_11.csv.gz", "rt", encoding="utf-8") as f:
print(f.readline(), end="")
so_dong = 0
for _ in f:
so_dong += 1
print(so_dong)KẾT QUẢ
211
ngay,muc,tien
1000Chữ t trong "wt" và "rt" nghĩa là chế độ văn bản: bạn ghi và đọc chuỗi, gzip lo phần nén. Một nghìn dòng dữ liệu chỉ chiếm 211 byte trên đĩa. Vòng for đọc từng dòng đã giải nén, nên file lớn cũng không phải nạp hết vào bộ nhớ.
Đóng gói cả thư mục bằng tarfile
File .tar.gz hay gặp trên Linux: tar xếp cả một thư mục, kể cả thư mục con, thành một file, rồi gzip nén file đó. tarfile.open() với chế độ "w:gz" làm cả hai việc:
import tarfile
from pathlib import Path
thu_muc = Path("so_chi_tieu")
thu_muc.mkdir()
dong = "05/11/2026,ăn uống,45000\n"
for ten in ["thang_10.csv", "thang_11.csv"]:
(thu_muc / ten).write_text(dong, encoding="utf-8")
with tarfile.open("sao_luu.tar.gz", "w:gz") as tar:
tar.add(thu_muc)
with tarfile.open("sao_luu.tar.gz") as tar:
print(tar.getnames())
tar.extractall("khoi_phuc", filter="data")
khoi_phuc = Path("khoi_phuc") / "so_chi_tieu"
print(sorted(p.name for p in khoi_phuc.iterdir()))KẾT QUẢ
['so_chi_tieu', 'so_chi_tieu/thang_10.csv', 'so_chi_tieu/thang_11.csv']
['thang_10.csv', 'thang_11.csv']add() thêm một thư mục cùng mọi thứ bên trong. Mở để đọc thì không cần ghi ":gz", tarfile tự nhận ra cách nén. filter="data" bảo extractall() từ chối những mục nguy hiểm, như đường dẫn trỏ ra ngoài thư mục đích hay file thiết bị. Từ Python 3.14 đây là mặc định, còn Python 3.12 và 3.13 không ghi filter= thì in cảnh báo DeprecationWarning.
Nén byte trong bộ nhớ bằng zlib
zlib là thuật toán nén nằm bên dưới cả zip lẫn gzip. Bạn dùng thẳng nó khi dữ liệu không nằm trong file, ví dụ một khối byte sắp lưu vào cơ sở dữ liệu hay gửi qua mạng:
import zlib
du_lieu = ("05/11/2026,ăn uống,45000\n" * 1000).encode("utf-8")
nen = zlib.compress(du_lieu)
print(len(du_lieu), len(nen))
print(zlib.decompress(nen) == du_lieu)
print(zlib.crc32(du_lieu), zlib.crc32(du_lieu + b"!"))KẾT QUẢ
28000 127
True
230348816 2211534191compress() và decompress() nhận và trả về byte. crc32() tính một số kiểm tra: chỉ cần thêm một byte là số đổi hẳn, nên zip và gzip lưu số này để phát hiện file hỏng khi giải nén. Đổi * 1000 thành * 10 rồi chạy lại: dòng đầu in 280 40, dữ liệu ngắn nén được ít hơn hẳn.
Kiểm tra nhanh
Trong khung bẫy mở
sao_luu.ziphai lần bằng chế độ"w", dòng cuối in ra gì?['thang_10.csv', 'thang_11.csv']['thang_11.csv']- Báo lỗi vì file
sao_luu.zipđã có
Những câu nào đúng về
zipfile.ZipFile("so.zip", "w")không truyềncompression=?- Các file được xếp vào zip nguyên kích thước, không nén
- Python báo lỗi vì thiếu cách nén
compress_sizecủa mỗi file bằngfile_size- Python tự chuyển sang
ZIP_DEFLATEDkhi file lớn
Trong khung bẫy về
gzip.open(), vì sao mỗi dòng in ra có dạngb'...'?- File
.gzhỏng nên Python không đọc được chữ - Phải giải nén file ra đĩa trước khi đọc
gzip.open()mặc định mở bằng"rb", nên đọc ra byte
- File
Bạn cần gửi cả thư mục
so_chi_tieu, có cả thư mục con, thành một file nén để mở trên Linux. Cách nào làm được việc đó?gzip.open("so_chi_tieu.gz", "wb")rồi ghi thư mục vàotarfile.open("so_chi_tieu.tar.gz", "w:gz")rồiadd("so_chi_tieu")zlib.compress()trên tên thư mục
Bài tập
Nén các file CSV của một thư mục
Cuối năm bạn gom các file sổ chi tiêu .csv vào một file zip để gửi đi. Viết hàm nen_csv(thu_muc, ten_zip): nén các file .csv nằm ngay trong thư mục thu_muc (không tính thư mục con, bỏ qua file khác đuôi) vào file zip ten_zip, có nén bằng zipfile.ZIP_DEFLATED. Trong zip mỗi file chỉ mang tên file, không kèm tên thư mục, và các file xếp theo thứ tự tên. ten_zip đã có thì ghi đè thành zip mới. Hàm không in gì.
Ví dụ: thư mục có thang_11.csv, thang_10.csv và ghi_chu.txt thì zip chứa thang_10.csv, thang_11.csv và hàm trả về ["thang_10.csv", "thang_11.csv"].
Trả về: tên các file đã nén theo thứ tự, một list.
import zipfile
from pathlib import Path
def nen_csv(thu_muc, ten_zip):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
zipfile.ZipFile(ten, "w", compression=zipfile.ZIP_DEFLATED)tạo zip có nén; thiếucompression=thì file chỉ được lưu nguyên.write()thêm file trên đĩa,writestr()thêm từ chuỗi,arcname=đặt tên bên trong zip.namelist(),read(),extractall()đọc và giải nén; chế độ"w"xóa nội dung zip cũ,"a"thêm vào.gzip.open(ten, "rt", encoding="utf-8")đọc file.gzthành chuỗi; mặc định là"rb", đọc ra byte.tarfile.open(ten, "w:gz")cùngadd()đóng gói cả thư mục; giải nén vớifilter="data".zlib.compress(),zlib.decompress()nén byte trong bộ nhớ,zlib.crc32()tính số kiểm tra.
Câu hỏi thường gặp
Có cách nào nén cả thư mục thành file zip bằng một lệnh không?
Có: shutil.make_archive("sao_luu", "zip", "so_chi_tieu") tạo sao_luu.zip từ cả thư mục so_chi_tieu, và shutil.unpack_archive() giải nén ngược lại. Module shutil còn chép, chuyển và xóa file, xem bài shutil, glob và tempfile. Dùng zipfile khi cần chọn từng file hay đặt tên bên trong zip.
Mở file zip có mật khẩu bằng zipfile được không?
Được, nếu zip dùng kiểu mã hóa cũ của định dạng zip: truyền pwd=b"mat_khau" cho read() hay extractall(). zipfile không tạo được zip có mật khẩu, và không đọc được kiểu mã hóa AES mà nhiều phần mềm nén dùng hiện nay. Việc đó cần một thư viện ngoài cài bằng pip.
File .gz khác file .zip thế nào?
gzip nén đúng một file và không giữ danh sách file, nên file .gz thường mang tên file gốc kèm đuôi, như thang_11.csv.gz. zip chứa nhiều file, mỗi file nén riêng và lấy ra riêng được. Cần nhiều file trong một gói .gz thì dùng tarfile với chế độ "w:gz".
Giải nén file tải từ mạng có nguy hiểm không?
Có thể. Một file nén có thể chứa đường dẫn trỏ ra ngoài thư mục đích, hay nở thành dung lượng lớn hơn đĩa trống. zipfile tự bỏ phần .. và dấu / ở đầu đường dẫn, tarfile cần filter="data". Trước khi giải nén file lạ, hãy xem namelist() hay getnames() và tổng file_size.
Chủ đề
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.