c - 如何在 GZIP 文件中分隔块？

Question

我正在为学习目的编写一个解压缩 GZIP 文件的 C 程序。

根据 GZIP规范

gzip 文件由一系列“成员”（压缩数据集）组成。每个成员的格式在下一节中指定。成员只是在文件中一个接一个地出现，在它们之前、之间或之后没有其他信息。

一个成员由一个标题（可能带有取决于某些标志值的可选字段）、一些压缩块（使用 deflate 算法）和最后一个 CRC32 和原始未压缩文件的大小组成。

我有两个问题：

score 5 · Accepted Answer

这并不常见，但您有时会在单个文件中看到串联的 gzip 流。gzip 认为这是单个数据流，而不是多个“文件”，因此忽略文件名。

如果“如何分隔最后一个块”是指最后一个放气块，那么最后一个放气块只是在其标题中有一个位，将其标记为最后一个块。最后一个放气块后面是 crc 和未压缩的长度（模 2^32）。

score 2 · Accepted Answer

如何划分成员？

成员没有分隔。它们之间没有分离，这就是为什么您可以cat像使用非 gzip 压缩文件一样将文件压缩在一起的原因。但是，一旦到达一个成员的末尾，您可以查找指示下一个成员开始的 ID1 和 ID2 值。从规范：

它们具有固定值 ID1 = 31 (0x1f, \037), ID2 = 139 (0x8b, \213)，以将文件标识为 gzip 格式。

这使您可以在文件末尾告诉除垃圾之外的另一个成员的开始。

如果您希望跳转到文件中的特定成员而不读取所有其他成员，则可以使用预先计算的索引，例如CDX 文件提供的.

实际上，一个 gzip 文件中真的有多个成员吗？

gzipped WARC 文件（用于存档网站）很常见。每条记录都是一个单独的成员，以便于查找。但是，该格式不依赖此功能。

2 回答 2