流式解压的核心是传入支持read()和seek()的fileobj（如open('a.tar','rb')），而非文件路径；必须显式用tarfile.open(fileobj=...)并校验路径防遍历，避免使用'r|*'等易退化为全量读取的模式。
流式解压的核心是避免一次性加载整个压缩包到内存
直接用 tarfile.open() 打开文件对象（而非文件路径），再配合 extractall() 或逐成员处理，就能实现流式——关键不是“边下载边解”，而是“不缓存全部内容”。真正流式的前提是你传入的是一个支持 read() 和 seek() 的类文件对象，比如 io.BytesIO 或网络响应的 raw 属性。
用 tarfile.open(fileobj=...) 替代 tarfile.open(name=...)
这是流式解压最常被忽略的入口点。传入 name 会让 tarfile 自动以二进制模式打开文件并读取全部内容（尤其在 mode='r|*' 下）；而传入 fileobj 则交由你控制数据来源和读取节奏。
- 正确做法：先创建可读的
fileobj，例如open('archive.tar', 'rb')或requests.get(url, stream=True).raw - 错误写法：
tarfile.open('archive.tar', mode='r|')—— 这个'r|'模式看似流式，实则依赖底层文件是否可seek()，多数场景下会退化为全量读取 - 推荐显式指定
mode='r'+fileobj，兼容性更好，行为更可控
解压时跳过危险路径、控制目标目录范围
流式不等于放行任意路径。如果压缩包里有 ../../../etc/passwd 这类路径，extractall() 会照单全收，造成路径遍历漏洞。
- 必须校验每个
tarinfo的name：用os.path.normpath()归一化后检查是否以'.'开头或包含'..' - 用
filter参数传入回调函数（Python 3.12+ 支持，旧版需手动遍历getmembers()） - 示例过滤逻辑：
def safe_extract_filter(tarinfo): if '..' in tarinfo.name or tarinfo.name.startswith('/'): return None return tarinfo
大文件或网络流下注意 tarfile.ReadError 和缓冲区大小
从 HTTP 流或管道读取时，若底层连接提前关闭、数据截断，tarfile 很可能抛出 tarfile.ReadError: invalid header 或类似错误，而不是清晰提示“数据不完整”。
立即学习“Python免费学习笔记（深入）”；
- 确保输入流完整可用：对
requests，检查r.status_code == 200且r.headers.get('content-length')与实际读取字节数匹配 - 避免默认缓冲区太小导致频繁系统调用：可包装原始流为
io.BufferedReader(f, buffer_size=65536) -
tarfile不支持真正的“只读一次”流（如无seek()的sys.stdin），遇到需要回溯的 tar 格式（如 GNU longname 扩展）仍可能失败
真正可靠的流式解压，从来不是靠选对某个 magic mode，而是你亲手把好 fileobj 的入口关、路径校验的出口关，以及对底层 I/O 行为的清醒预判。
