cas-bigdatalab ingest_archive_rar_preview — RAR 压缩包预览
功能概述
递归扫描目录内 .rar 文件，列出每个压缩包内部文件清单，对文本文件输出前 N 字节预览（UTF-8 解码失败则输出 hex）。输出 JSON 报告供后续解压或采集流程决策。
依赖 rarfile 库（需系统安装 unrar 或 UnRAR.dll）。
触发条件
- 采集入口收到一批 rar 文件，需要先查看内容再决定解压策略
- 需要批量盘点 rar 压缩包内的文件结构
核心参数
| 参数 | 说明 | 默认值 |
|---|---|---|
--input_dir |
待扫描目录（递归） | 必填 |
--output |
预览报告输出路径 | 必填 |
--max_entries |
每个压缩包最多列出的文件数 | 20 |
--preview_bytes |
文本文件预览字节数 | 200 |
使用方法
python scripts/run_ingest_archive_rar_preview.py \
--input_dir <input_dir> \
--output <output> \
--max_entries 20 \
--preview_bytes 200
环境要求
需要 rarfile 第三方库及系统 unrar 工具。