1. 适用场景与需求分析
1.1 为什么需要在 ZIP 文件内进行 Glob 匹配
在日常的自动化运维与持续集成流程中，经常需要快速定位压缩包内符合特定模式的文件，而不想先将 ZIP 全量解压。这时，使用 Glob 风格的模式来筛选内部路径变得尤为重要，因为它可以在不提取文件的前提下锁定目标集合，提高工作效率。ZIP 文件内部的路径以 正斜杠 '/'\ 作为分隔符，即使在 Windows 环境下也统一使用该写法，这一点对于跨平台脚本尤为关键。
核心要点：通过对 ZIP 索引逐个比较路径模式，我们可以实现“按需读取、按需处理”，避免了冗余的 I/O。理解这一点是后续实战的基础。
2. 方案设计与实现要点
2.1 基本思路概览
要在 ZIP 文件内实现 Glob 匹配，通常需要以下几个步骤：列出压缩包中的所有条目，将 Glob 模式转换为可执行的匹配逻辑（通常是正则表达式），再将每个内部路径与该匹配逻辑比对，筛选出符合条件的文件名。与此同时，可以在需要时直接打开这些匹配的条目进行读取，而不触及未匹配的部分。
实现要点：处理递归匹配时，模式中可能包含 '**'，需要将其映射为能处理任意深度的表达式形式，以实现对多级子目录的搜索。
3. 实战技巧：如何用 Glob 匹配 ZIP 文件内的内容
3.1 基于 Python 的核心实现
为了实现跨平台、无须解压即可筛选，可以在 Python 中借助 ZipFile 以及正则表达式完成。下面的思路核心在于将 Glob 模式转换成等价的正则表达式，并对 ZIP 内部条目逐个匹配。
需要注意的是，许多 Glob 表达式对递归的支持需要明确实现，而不是依赖默认的简单通配符。因此，采用自定义的 glob-to-regex 转换可以兼容包括 通配符、递归匹配等在内的多种模式。
# 通过 Glob 模式在 ZIP 文件中匹配内部路径的示例（Python）import zipfile
import redef glob_to_regex(pattern):i = 0res = '^'while i < len(pattern):c = pattern[i]if c == '*':# 处理 '**' 的递归匹配if i + 1 < len(pattern) and pattern[i + 1] == '*':res += '.*'i += 2else:res += '[^/]*'i += 1elif c == '?':res += '.'i += 1else:res += re.escape(c)i += 1res += '$'return resdef list_matches_in_zip(zip_path, pattern):rx = re.compile(glob_to_regex(pattern))with zipfile.ZipFile(zip_path, 'r') as zf:for name in zf.namelist():if rx.match(name):yield name# 使用示例
zip_path = 'archive.zip'
pattern = '**/*.py' # 递归匹配 ZIP 内的 Python 文件
matches = list(list_matches_in_zip(zip_path, pattern))
for m in matches:print(m)
上述代码核心在于将 Glob 模式 转换为可执行的正则表达式，并对 ZIP 条目逐一匹配。递归匹配通过将 '**' 转换为 '.*' 实现，对任意深度的子目录都能够覆盖。
如果需要进一步读取匹配到的文件内容，可以在匹配环节之后打开相应的条目进行读取。下面是一个结合读取内容的扩展示例：
# 读取匹配到的文件内容示例import zipfile
import redef glob_to_regex(pattern):i = 0res = '^'while i < len(pattern):c = pattern[i]if c == '*':if i + 1 < len(pattern) and pattern[i + 1] == '*':res += '.*'i += 2else:res += '[^/]*'i += 1elif c == '?':res += '.'i += 1else:res += re.escape(c)i += 1res += '$'return resdef list_matches_in_zip(zip_path, pattern):rx = re.compile(glob_to_regex(pattern))with zipfile.ZipFile(zip_path, 'r') as zf:for name in zf.namelist():if rx.match(name):yield namezip_path = 'archive.zip'
pattern = '**/*.py'
with zipfile.ZipFile(zip_path, 'r') as zf:for name in list_matches_in_zip(zip_path, pattern):with zf.open(name) as f:data = f.read()print(name, len(data)) # 仅输出匹配文件的名称及字节大小
4. 常见问题与解答
4.1 为什么要手写 Glob 转换成正则而不是直接用 fnmatch
直接使用 fnmatch 处理 ZIP 内部路径并不总是符合预期，尤其是在需要处理 递归匹配（如 '**'') 时。将 Glob 转换为正则后，可以通过同一个匹配逻辑覆盖简单模式和复杂模式，且能够显式控制边界条件。
要点：正则表达式提供了更高的灵活性，兼容更多 Glob 语义，便于扩展为更复杂的匹配场景。
4.2 兼容性与平台差异
ZIP 内部路径使用统一的斜杠分隔符，因此跨平台时不需要关心 Windows 与 POSIX 的路径差异。代码层面的跨平台性主要体现在使用的库（如 zipfile、re）以及对字节流和文本编码的处理。
在存在加密或受限权限的 ZIP 包时，匹配本身不会受到影响，但读取内容时可能需要提供解压密码，确保并发环境下正确处理异常与资源释放。
4.3 如果 ZIP 包很大，如何保持性能
逐条遍历和就地匹配是避免解压整包的关键策略。通过在内存中只保留需要的匹配结果、使用生成器逐步处理，可以显著降低内存占用。对于极大规模的归档，可结合多进程/多线程并行读取匹配的文件（注意线程安全与 I/O 限制）。
另外，可以先筛选出可能的匹配项数量较少的模式，例如避免过于宽泛的通配符组合，以减少比对成本与 I/O 开销。
4.4 如何确保匹配结果的正确性
在实现中应覆盖以下边界：空 ZIP、仅目录项、以及大小写敏感的模式。某些模式在不同操作系统的默认行为可能略有差异，应在实际运行环境中进行验证。对于大小写敏感的场景，可以在正则阶段将模式统一化处理，或在遍历时对名称进行统一化处理再进行匹配。
4.5 还可以有哪些替代方案
除了 Python 的 zipfile + 正则匹配，还可以考虑借助专门的归档库（例如对 ZIP 的遍历接口更丰富的第三方工具）来实现同样的需求。此外，在某些 CI/CD 场景中，使用命令行工具（如 bsdtar 的 Glob 支持）也能完成类似的内部匹配任务，前提是该工具对 ZIP 的内在结构有稳定的 Glob 支持。
