压缩

什么是 .zip 文件？

带有 .zip 扩展名的文件是可以保存一个或多个文件或目录的存档。存档可以对包含的文件应用压缩以减小 ZIP 文件的大小。 ZIP 文件格式于 1989 年 2 月由 Phil Katz 公开，用于实现文件和文件夹的归档。该格式是由 PKWARE, Inc. 创建的 PKZIP 实用程序的一部分。在 可用规范，许多公司将 ZIP 文件格式作为其软件实用程序的一部分，包括 Microsoft（自 Windows 7 起）、Apple (Mac OS X) 等。

ZIP 文件格式简史

ZIP 文件格式的历史可以追溯到 System Enhancement Associates (SEA) 对 PKWARE 提起诉讼的事件，因为 PKWARE 在未经其商标和产品外观和用户界面版权许可的情况下使用其 ARC 实用程序。在此之前，Phil Katz 重写了 SEA 的源代码，并发布了 PKXARC（ARC 提取器）和 PKARC（文件压缩器）作为基于 MS-DOS 的系统的免费软件。败诉后，PKWARE 无法再使用与 ARC 相关的任何东西。这就是创建新文件压缩的地方，命名为 ZIP，它是 PKWARE, Inc. 的 PKZIP 实用程序的一部分。

Katz 将 ZIP 文件格式规范发布到公共领域，同时保留对其压缩和提取实用程序（即 PKZIP）的专有权利。 ZIP 压缩系统曾经（并且现在）能够通过 32 位循环冗余校验 (CRC) 算法将文件存档在文件夹中以压缩文件尺寸。与 ARC 不同，.ZIP 文件夹包含一个目录文件，该目录文件扮演密码学家密码本的角色，包含呈现压缩文件所需的信息。

ZIP 中支持的压缩方法

根据 .ZIP 文件格式规范，支持以下压缩方法。

• 存储 - 意味着不压缩
• 收缩
• 减少（这意味着压缩因子从 1 级到 4 级）
• 内爆
• 放气
• 放气64
• BZIP2
• LZMA (EFS)
• WavPack
• PPMd 版本 I，修订版 1

DEFLATE 是一种常用的压缩方法，它是一种无损数据压缩算法，它使用 LZ77 和 Huffman 编码的组合，在 RFC 1951 中有详细说明。

ZIP 文件格式规范

ZIP 文件能够使用不同的压缩技术存储多个文件，同时支持在不进行任何压缩的情况下存储文件。每个文件都单独存储/压缩，这有助于提取它们或添加新文件，而无需对整个存档应用压缩或解压缩。

整体 ZIP 文件格式

每个 Zip 文件的结构如下：

ZIP 文件格式使用 32 位 CRC 算法进行归档。为了呈现压缩文件，ZIP 存档在其末尾保留一个目录，该目录保存包含文件的条目及其在存档文件中的位置。因此，它起着编码的作用，用于封装渲染压缩文件所需的信息。 ZIP 阅读器使用该目录来加载文件列表，而无需阅读整个 ZIP 存档。该格式保留了目录结构的双重副本，以提供更大的保护，防止数据丢失。

ZIP 存档中的每个文件都表示为一个单独的条目，其中每个条目由一个本地文件头和压缩文件数据组成。存档末尾的目录包含对所有这些文件条目的引用。 ZIP 文件阅读器应避免读取本地文件头，应从目录中读取各种文件列表。该目录是存档中有效文件条目的唯一来源，因为文件也可以附加到存档的末尾。这就是为什么如果阅读器从头开始读取 ZIP 存档的本地标头，它可能会读取无效（已删除）条目以及那些不属于从存档中删除的目录的一部分。

中央目录中文件条目的顺序不必与档案中文件条目的顺序一致。

ZIP 文件条目

ZIP 文件中的条目依次排列，其中每个条目包括：

• 本地文件头
• 可选的额外数据字段
• 用户数据（可选压缩/可选加密）

每个条目的本地文件头表示有关文件的信息，例如注释、文件大小和文件名。额外的数据字段（可选）可以容纳 ZIP 格式的可扩展性选项的信息。

本地文件头

本地文件头具有由多字节值组成的特定字段结构。所有值都以 little-endian 字节顺序存储，其中字段长度以字节为单位计算长度。 ZIP 文件中的所有结构对每个文件条目都使用 4 字节签名。中央目录签名的结尾是 0x06054b50，可以使用自己的唯一签名进行区分。以下是存储在本地文件头中的信息的顺序。

中央目录文件头

中央目录记录结束

参考

• PKWARE ZIP 文件格式规范
• PKZip 文件结构