恢复损坏的zip或gzip文件？

Question

最常见的损坏压缩文件的方法是无意中进行ASCII模式的FTP传输，导致CR和/或LF字符的多对一破坏。

显然，会有信息丢失，解决这个问题的最好方法是以FTP二进制模式重新传输。

但是，如果原始文件已经丢失，而且它很重要，那么数据的可恢复性如何？

[实际上，我已经知道了我认为是最好的答案（这很困难，但有时可能会成功 - 我稍后会发布更多内容），以及普遍的非答案（许多现成的程序可以修复CRC而不修复数据），但我想在stackoverflow beta期间尝试一下这个问题，并看看是否有其他人走过成功恢复的道路或发现我不知道的工具。]

- Liudvikas Bukys

Answer 1

来自Bukys Software

大约每256个字节中就有1个字节是已知的损坏，而且这种损坏只出现在值为'\012'的字节中。因此，字节错误率为1/256（输入的0.39%），有2/256个字节（输入的0.78%）是可疑的。但由于每个损坏的字节只受到三个位的影响，所以位错误率只有3/（256*8）：0.15%是错误的，0.29%是可疑的。

...

压缩输入中的一个错误会破坏所有后续字节的解压缩过程...事实上，很快就能识别出解压缩输出是错误的，这是有希望的——寻找正确答案可以迅速确定错误答案。

最终，结合了几种技术成功地从这些文件中提取了合理的数据：

• 领域特定的解析字段和带引号的字符串
• 从以前的低损坏概率的数据中学习机器学习
• 容忍由其他原因（例如日志记录时磁盘已满）造成的文件损坏
• 向前看以引导搜索沿着最高概率的路径进行

这些技术确定了75%的必要修复工作，并且其余部分是首先探索最高概率的，以便立即识别出合理的重建。

- Adam Davis

Answer 2

您可以尝试编写一个小脚本，将所有CR替换为CRLF（假设损坏的方向是CRLF到CR），每个块随机交换，直到获得正确的CRC。假设数据不是特别大，我猜这可能不会使用您的CPU直到宇宙热寂才能完成。

由于存在明显的信息丢失，我不知道是否有更好的方法。CR到CRLF方向的损失可能稍微容易回滚。

- jsight