修復(fù)損壞的gz或tar.gz壓縮文件之方法篇

GZIP結(jié)構(gòu)圖：

修復(fù)一個(gè)損壞的gzip文件的關(guān)鍵環(huán)節(jié)在于找到下一個(gè)正常壓縮包的起始點(diǎn)。根據(jù)結(jié)構(gòu)圖中的信息可知，每個(gè)壓縮包的開始結(jié)構(gòu)中有是否到達(dá)尾部標(biāo)志、使用的哈夫曼樹類型、以及3個(gè)哈夫曼樹的樹元素個(gè)數(shù)等。如果某個(gè)gzip文件中間有一個(gè)壞扇區(qū)，要找到壞扇區(qū)后的一個(gè)正常起點(diǎn)，僅需按位右移，一直移位到可以正常解壓的某個(gè)位，就可能找到了正確的壓縮包起始。而根據(jù)gzip文件的壓縮作業(yè)窗口為32KB大小推算，這個(gè)遍歷不會(huì)超過64KB即可找到。在內(nèi)存中快速循環(huán)可以很快找到，但需要有明確的判斷錯(cuò)誤的方法。
首先可以明確的是結(jié)尾標(biāo)志，應(yīng)該為0(我們是從損壞的點(diǎn)向后查)。而哈夫曼樹類型也大致應(yīng)該是動(dòng)態(tài)哈夫曼(0x02)，cl1的元素個(gè)數(shù)應(yīng)該取值為257到286之間(包含邊界)，cl2的元素個(gè)數(shù)應(yīng)小于等于30，ccl的元素個(gè)數(shù)取值可為1-15(包含邊界)。
其實(shí)，還可以參考的東西有，解開的哈夫曼樹是否異常，或者通過規(guī)律性原則找到最后一個(gè)取值為256的值，但這些算法應(yīng)該是較為麻煩的，有上面的算法連續(xù)校驗(yàn)幾個(gè)壓縮塊就足夠了。
具體方法是對(duì)gzip的源碼做修改，進(jìn)行遍歷。因時(shí)間關(guān)系，未做成通用工程，僅快速修改了部分代碼。大致的修改點(diǎn)為：
一、找到損壞點(diǎn)：
在unzip.c中，
error("invalid compressed data--format violated");
這一行前，獲取當(dāng)前解碼字節(jié)位置即可。
?
二、遍歷找到損壞點(diǎn)：
1、inflate.c文件中，改
if (nl > 286 || nd > 30)
#endif
return 1;
為：
if (nl > 286 || nd > 30||nl <257 || nd <1)
#endif
return 1;
2、inflate.c文件中，在int inflate_block(e)函數(shù)中
在如下代碼前
bb = b;
bk = k;
加入代碼：
if ((t != 2) || (e != 0))
return 2;
3、inflate.c文件中，在int inflate_block(e)函數(shù)尾部
把if (t == 0) 與if (t == 1)的情況都直接返回錯(cuò)誤值2
4、inflate.c文件中，函數(shù)int inflate()中，改
if ((r = inflate_block(&e)) != 0)?
return r;
end
為：
unsigned t; / block type /
register ulg b; / bit buffer /
register unsigned k; / number of bits in bit buffer /
while (inptr <= insize)
{
unsigned int tptr = inptr;?
unsigned int tbk = bk;?
unsigned long tbb = bb;?
unsigned int twp = wp;?
long long tstart = (long long*)(inbuf + tptr);
if ((r = inflate_block(&e)) != 0)
{
inptr = tptr;
bb = tbb;
bk = tbk;
wp = twp;
b = bb;
k = bk;
NEEDBITS(1)
DUMPBITS(1)
}
else
{
printf("get by www.datahf.net!"); //也可輸出tstart,bb,bk 值
}
}
此4步完成后，試著調(diào)試這個(gè)錯(cuò)誤的.gz文件，當(dāng)然，也可以在代碼中解釋完頭部結(jié)構(gòu)后加一個(gè)seek，直接seek到損壞位置。
通常情況下，輸出printf(“get by www.datahf.net!”)這行代碼時(shí)，已經(jīng)找到了正確的起始位