存在提供对 gzip 和 bzip2 档案的随机访问的工具：
我正在为 7zip 寻找任何类似的解决方案
（目标是离线使用有时巨大的 Wikipedia 转储文件，而无需保留解压缩的副本）
问问题
3092 次
2 回答
6
我认为最好总结一下 GZIP、BZIP2 和 LZMA 的内部结构以明确一些事情：
GZIP 实际上是一种使用 Deflate 算法的格式。由于静态霍夫曼代码（deflate 文档也提到了动态霍夫曼，但实际上它们也是静态的）deflate 应该被编码为块状（滑动窗口是这里的另一个术语）。zran.c 似乎找到了这些块的边界，并尝试最多解码 2 个连续的块，这些块可能包含一些 KiB 未压缩数据，以收集足够的数据进行解压缩（以填充整个 32 KiB 窗口）。因此，即使没有索引表，随机访问也是很有可能的。
BZIP2 实际上是一种 BWT 类压缩算法。由于 BWT 的性质，难怪它是分块的。每个单独块的块限制为 900 KiB。此外，块边界被很好地定义为易于恢复过程（具有巨大的不同标记）。因此，您甚至可以一次使用多个线程来解压缩所有数据。换句话说，即使没有任何表格（它已经被格式支持），随机访问也很有可能。
LZMA 最多支持 1 GiB 字典，并且它不是按块编码的。它使用范围编码器来编码概率而不是霍夫曼编码器。即使考虑到 64 MiB 的窗口大小（非常常见的值），由于范围编码器的性质，我们不能简单地在给定的随机点解码，直到填满整个窗口。此外，LZMA 的状态机也很麻烦。所以，它的实现是相当困难的，甚至是不可能的。
也许 LZMA2 或 PPM 方法可用于此类用途（7-zip 也支持它们以及 7-zip 格式）。PPM 在其统计信息已满时刷新其模型，并且 LZMA2 有意在某个时间间隔刷新某些状态以启用多线程解压缩。他们的随机访问实现是可能的。
于 2011-12-24T23:44:18.210 回答