使用zlib的gzip文件访问函数计算未压缩文件大小

Question

使用Linux命令行工具gzip，我可以使用gzip -l命令告诉压缩文件的未压缩大小。

在zlib手册的“gzip文件访问函数”部分中，我找不到类似的功能。

在这个链接中http://www.abeel.be/content/determine-uncompressed-size-gzip-file，我找到了一个解决方案，它涉及读取文件的最后4个字节，但我现在避免使用它，因为我更喜欢使用库函数。

- André Puel

---

注意：我知道有类似的问题，但是它们都没有回答是否实际上有一个zlib函数可以做到这一点。 - André Puel

Answer 1

没有可靠的方法可以在不解压缩或至少解码整个文件的情况下获取gzip文件的未压缩大小，原因有三个。

首先，关于未压缩长度的唯一信息是位于gzip文件末尾的四个字节（以小端序存储）。必然，这是长度模2^32。因此，如果未压缩长度为4 GB或更多，则无法知道长度。只有在压缩长度小于约2^32 / 1032 + 18（大约为4 MB）时，您才能确定未压缩长度小于4 GB。（1032是deflate的最大压缩因子。）

其次，更糟糕的是，gzip文件实际上可能是多个gzip流的串联。除了解码之外，没有办法找到每个gzip流的结束位置，以查看该部分的四字节未压缩长度。（由于第一个原因可能是错误的。）

第三，gzip文件有时会在gzip流结束后添加垃圾（通常是零）。然后，最后四个字节不是长度。

所以gzip -l实际上并不起作用。因此，在zlib中提供该功能是没有意义的。 pigz有一个选项，可以解码整个输入以获取实际的未压缩长度：pigz -lt，这保证了正确的答案。pigz -l执行与gzip -l相同的操作，可能是错误的。

- Mark Adler

---

你知道bzip2是否有相同的限制吗？由于我使用总大小来衡量解压进度，因此首先进行解压不是一个选项。 - André Puel

你可以简单地使用压缩数据的消耗来作为进度指示器，而不是生成未压缩的数据。在一定程度上，它们是成比例的，因此您将看到相同的百分比指示。 - Mark Adler

“解压缩，或至少解码”是什么意思？“解压缩”和“解码”之间有什么区别？ - allyourcode

你可以解码哈夫曼编码并计算生成的字节数，而不必实际生成它们。这比完全解压缩更快，因为后者会生成解压缩后的字节。 - Mark Adler