Question

TL; DR - 实际问题是我正在处理一些提供存档文件中条目信息的内容，并指定存档中大小的“位置”。下面的例子与我真正的问题（它有数十万个条目）完全不同，但突出了我遇到的实际问题。我的问题是我的存档中有一个非常重要的大小，但是没有计算（实际上用于压缩的开销是我的猜测）。我的存档部分的总和（所有条目的总压缩大小+它们之间的预期间隙）小于存档的实际大小。如何以一种能够深入了解这种隐藏开销的方式检查存档？

我在哪里：

我有一个包含三个文件的目录：

doc.pdf
cat.jpg
model.stl

使用免费软件程序我将这些转储到zip文件中：demo.zip

使用python我可以很容易地检查这些：

info_list= zipfile.ZipFile('demo.zip').infolist()
for i in info_list:
    print i.orig_filename
    print i.compress_size
    print i.header_offset

使用此信息我们可以获得一些信息。

demo.zip的总大小为84469

压缩后的大小：

|---------------------|-----------------|---------------|
|      File           | Compressed Size | Header Offset |
|---------------------|-----------------|---------------|
|         doc.pdf     |       21439     |       0       |
|---------------------|-----------------|---------------|
|         cat.jpg     |       48694     |    21495      |
|---------------------|-----------------|---------------|
|       model.stl     |       13870     |    70232      |
|---------------------|-----------------|---------------|

我知道压缩会在条目之间产生一些空间。（因此，先前条目大小的总和与每个条目的标题偏移之间的差异）。你可以计算出这个小的“差距”：

gap = offset - previous_entry_size - previous_entry_offset

我可以将我的图表更新为：

|---------------------|-----------------|---------------|---------------|
|      File           | Compressed Size | Header Offset |     'Gap'     |
|---------------------|-----------------|---------------|---------------|
|         doc.pdf     |       21439     |       0       |       0       |
|---------------------|-----------------|---------------|---------------|
|         cat.jpg     |       48694     |    21495      |       56      |
|---------------------|-----------------|---------------|---------------|
|       model.stl     |       13870     |    70232      |       43      |
|---------------------|-----------------|---------------|---------------|

冷却。所以现在可以预期demo.zip的大小将等于所有条目的大小和它们的差距的总和。（上例中的84102）。

但事实并非如此。所以，显然，压缩需要标题和有关如何发生压缩（以及如何解压缩）的信息。但是我在如何上遇到了一个问题，无法定义或访问有关它的更多信息。

我可以拿84469 - 84102并说〜魔术文件开头〜= 367字节。但这似乎不太理想，因为这个数字显然不是魔术。有没有办法检查占用这个空间的底层zip数据？

Answer 1

空的zip文件是22 bytes，仅包含中央目录记录的结尾。

In [1]: import zipfile

In [2]: z = zipfile.ZipFile('foo.zip', 'w')

In [3]: z.close()

In [4]: import os

In [5]: os.stat('foo.zip').st_size
Out[5]: 22

如果zip文件不为空，则每个文件都有一个中心目录文件header（至少46个字节）和一个本地文件头（至少30个字节）。

实际标题的可变长度，因为给定的长度不包含作为标题一部分的文件名的空间。

zipfile存档的部分总和不等于其文件大小

1 个答案: