Question

我使用rubyzip-1.2.0和ruby 2.2.1生成一个包含单个文件的zip文件（在本例中是一个python脚本）。内容文件不会更改，并且生成的zip字符串的md5sum保持不变，但是一旦我写入然后将zip字符串读取到文件，长度就会增加，并且md5sum每次都不同。无论我使用File.open(zip_file, 'wb') {}还是IO.binwrite(zip_file, zip_string)，都会发生这种情况。

只是为了增加兴奋，在OS X上，zip字符串和书面文件大小不同（当然，md5sums不同），但在Ubuntu 14.04上，大小保持一致且md5sums不同。

如果我多次生成文件而没有暂停，则校验和（通常）相同;如果我进入睡眠状态，它们会有所不同，这让我想知道rubyzip是否正在为文件写一些某种时间戳？

我可能只是错过了ruby二进制文件处理的一些细微差别。

require 'zip'
require 'digest'

def update_zip_file(source_file)
  zip_file = source_file.sub(/py$/, 'zip')
  new_zip = create_lambda_zip_file(source_file)
  puts "Zip string length: #{new_zip.length}"
  md5_string = Digest::MD5.new
  md5_string.update IO.binread(zip_file)
  puts "Zip string MD5: #{md5_string.hexdigest}"
  File.open(zip_file, 'wb') do |f|
    puts "Updating #{zip_file}"
    f.write new_zip
  end
  puts "New file size: #{File.size(zip_file)}"
  md5_file_new = Digest::MD5.new
  md5_file_new.update IO.binread(zip_file)
  puts "New file MD5: #{md5_file_new.hexdigest}"
end

def create_lambda_zip_file(source_file)
  zip_file = source_file.sub(/py$/, 'zip')
  zip = Zip::OutputStream.write_buffer do |zio|
    zio.put_next_entry(File.basename(source_file))
    zio << File.read(source_file)
  end
  zip.string
end

(1..3).each do
  update_zip_file('test.py')
  sleep 2
end

OS X上的输出：

Zip string length: 973
Zip string MD5: 2578d03cecf9539b046fb6993a87c6fd
Updating test.zip
New file size: 1019
New file MD5: 03e0aa2d345cac9731d1482d2674fc1e
Zip string length: 973
Zip string MD5: 03e0aa2d345cac9731d1482d2674fc1e
Updating test.zip
New file size: 1019
New file MD5: bb6fca23d13f1e2dfa01f93ba1e2cd16
Zip string length: 973
Zip string MD5: bb6fca23d13f1e2dfa01f93ba1e2cd16
Updating test.zip
New file size: 1019
New file MD5: 3d27653fa1662375de9aa4b6d2a49358

Ubuntu 14.04上的输出：

Zip string length: 1020
Zip string MD5: 4a6f5c33b420360fed44c83f079202ce
Updating test.zip
New file size: 1020
New file MD5: 0cd8a123fe7f73be0175b02f38615572
Zip string length: 1020
Zip string MD5: 0cd8a123fe7f73be0175b02f38615572
Updating test.zip
New file size: 1020
New file MD5: 0a010e0ae0d75e5cde0c4c4ae098d436
Zip string length: 1020
Zip string MD5: 0a010e0ae0d75e5cde0c4c4ae098d436
Updating test.zip
New file size: 1020
New file MD5: e91ca00a43ccf505039a9d70604e184c

任何解释或解决方法？我想在重写文件之前确保zip文件内容不同。

编辑修复文件md5sum并更新输出。

修改事实上，rubyzip会在每个条目中放入当前时间戳（为什么？）。如果我修补它以便我可以操纵条目属性，那么zip字符串的md5sum将保持不变。

module Zip
  class OutputStream
    attr_accessor :entry_set
  end

  class Entry
    attr_accessor :time
  end
end

...

def create_lambda_zip_file(source_file)
  zip_file = source_file.sub(/py$/, 'zip')
  zip = Zip::OutputStream.write_buffer do |zio|
    zio.put_next_entry(File.basename(source_file))
    zio << File.read(source_file)
    zio.entry_set.each {|e| puts e.time = Zip::DOSTime.at(File.mtime(source_file).to_i)}
  end
  zip.string
end

Answer 1

8caba7d65b81501f3b65eca199c28ace是test.zip的md5总和：您的文件名是＆＃39;＆＃39;

长度的差异可能是由于String#length返回字符串中的代码点数，而File.size计算字节数。 String#bytesize方法应返回与文件检查相同的方法。

在我的机器上（OS X，ruby 2.3.1），从zip返回的字符串声称具有编码utf-8，这解释了为什么长度不与字节数相同。字符串实际上并不是有效的UTF8 - 我认为这是一个错误。不同的版本或可能与语言环境相关的环境变量导致您的Linux机器不假装zip数据是UTF8

使用force_encoding将编码更改为ASCII-8BIT可能会有所帮助

rubidzip输出字符串和写入文件的md5sum不同

1 个答案: