我正在尝试计算/验证压缩的bzip2存档文件的CRC32校验和。
.magic:16 = 'BZ' signature/magic number
.version:8 = 'h' for Bzip2 ('H'uffman coding)
.hundred_k_blocksize:8 = '1'..'9' block-size 100 kB-900 kB
.compressed_magic:48 = 0x314159265359 (BCD (pi))
.crc:32 = checksum for this block
...
...
.eos_magic:48 = 0x177245385090 (BCD sqrt(pi))
.crc:32 = checksum for whole stream
.padding:0..7 = align to whole byte
http://en.wikipedia.org/wiki/Bzip2
我知道在一个bz2文件中CRC校验和的位置,但如何验证它们呢?我应该使用哪些块来进行binascii.crc32()
以获取这两个CRC?我尝试逐字节地计算各个块的CRC,但是没有成功匹配。
谢谢。我将研究bzip2源代码和bz2
Python库代码,也许能找到一些东西,特别是在decompress()
方法中。
更新1:
就我所看到的,块头由以下标记标识。 但小型bz2文件不包含ENDMARK标记。 (感谢adw,我们已经发现应该寻找ENDMARK的位移值,因为压缩数据未填充到字节。)
#define BLOCK_HEADER_HI 0x00003141UL
#define BLOCK_HEADER_LO 0x59265359UL
#define BLOCK_ENDMARK_HI 0x00001772UL
#define BLOCK_ENDMARK_LO 0x45385090UL
这来自于 bzlib2recover.c
的源代码,块似乎总是从位80开始,就在 CRC 校验和之前,应该将其从 CRC 计算中省略,因为不能对自己的 CRC 进行 CRC 计算以获得相同的 CRC(你懂我的意思)。
searching for block boundaries ...
block 1 runs from 80 to 1182
查看计算这个的代码。
更新2:
bzlib2recover.c
并没有CRC计算函数,它只是从损坏的文件中复制CRC。然而,我设法在Python中复制了块计算器功能,以标记bz2
压缩文件中每个块的起始和结束位。回到正题,我发现compress.c
引用了bzlib_private.h
中的一些定义。
#define BZ_INITIALISE_CRC(crcVar) crcVar = 0xffffffffL;
#define BZ_FINALISE_CRC(crcVar) crcVar = ~(crcVar);
#define BZ_UPDATE_CRC(crcVar,cha) \
{ \
crcVar = (crcVar << 8) ^ \
BZ2_crc32Table[(crcVar >> 24) ^ \
((UChar)cha)]; \
}
这些定义被bzlib.c调用,s->blockCRC
在bzlib.c中初始化和更新,并在compress.c中完成。有超过2000行的C代码,需要花费一些时间来查找哪些内容应该包含在内。我也将标签C
添加到问题中。另外,这是bzip2的C源代码:http://www.bzip.org/1.0.6/bzip2-1.0.6.tar.gz 更新3:
事实证明,
bzlib2
块CRC32是使用以下算法计算的:
dataIn
是要编码的数据。crcVar = 0xffffffff # Init
for cha in list(dataIn):
crcVar = crcVar & 0xffffffff # Unsigned
crcVar = ((crcVar << 8) ^ (BZ2_crc32Table[(crcVar >> 24) ^ (ord(cha))]))
return hex(~crcVar & 0xffffffff)[2:-1].upper()
BZ2_crc32Table
是在crctable.c
中定义的。
对于dataIn = "justatest"
,返回的CRC值为7948C8CB
,使用该数据压缩文本文件后,bz2文件内的crc:32校验和是79 48 c8 cb
,两者匹配。
结论:
bzlib2 CRC32(引自crctable.c
)
源代码模糊来自Rob Warnock,在comp.compression FAQ的第51节...
因此,据我所知,无法使用标准CRC32校验和计算器进行预计算/验证,而必须使用bz2lib
实现(bzlib_private.h
的155-172行)。
bzip2
使用 AUTODIN-II、Ethernet 和 FDDI 32 位 CRC 标准。 - soulseekahopen("test.txt.bz2","wb").write(bz2.compress("hello"))
。CRC32标签表示该块的CRC32为19 31 65 3d
,而hex(crc32("hello"))
(来自binascii
)返回36 10 a6 86
。 - soulseekah