Zip格式学习

zip是我们日常生活中很经常用到的一种归档压缩格式/工具，这是Phil Katz在1989年的一种压缩格式，至今经过多种改良，基本的格式规范依然生效，今天我就PKZip总结一下ZIP的格式及各字段含义。

一般来说，zip的格式由三部分组成

• File Entry：压缩文件内容源数据
• Central Directory：目录源数据，用于描述File Entry中的文件，放于文件尾部，方便以后添加新数据
• End of Central Directory：结束Central Directory，用于描述整个zip文件的总体信息

总体的文件结构如图（from wiki ）

以下分开几个部分描述，以下都基于010editor，以及sample，zip文件的内容如下

.
├── zipentry
│ ├── file_2.txt
│ └── file_3.txt
└── file_1.txt

File Entry

对于sample来说，存在三个文件，但对于zip来说，目录其实也算是一个文件，且看010editor解析出来的file entry。

存在四个File Entry区域，每一个区域代表一个文件，其中，文件夹zipentry也被当作一个文件对待，每一个文件的结构如下：

每一个字段的含义如下：

offset	bytes	desc
0	4	文件头标识，固定为 0x04034b50，使用小端方式读取(PK即为作者PhilKatz的名字缩写)
0	2	解压文件的最低版本号
6	2	通用位标记，见后
8	2	压缩方法，见后
10	2	文件最后修改时间
12	2	文件最后修改日期
14	4	采用crc32算法以0xdebb20e3为算子计算文件数据的值
18	4	压缩后的文件大小
22	4	未压缩时的文件大小
26	2	文件名长度
28	2	扩展区长度
30	n	文件名
30+n	m	扩展区

如图中的例子，由于文件的内容都是比较简单且基本不存在重复的字符串的，所以使用方式使用了COMP_STORED的方式，即不压缩，只归档；frData内为压缩后的数据内容，由于内容实际上没压缩，所以可以很清楚地显示到file_1.txt的内容，当存在压缩时，即为压缩后的数据。对于数值大小，如果没有带”h”的，都表示是十进制数据。

对于目录类型的文件，其实也大同小异，不过就一些字段（如压缩大小，crc32等）就不需要计算了

file entry的内容就是这么简单。

Central Directory

centtral directory包含压缩文件和加密数据的更多元数据和Zip64的信息，也包含跨压缩文件的信息（如一个压缩文件分为几个）。sample中的结构如下：

同样存在四个区域，一一对应上边的File Entry，打开其中一个

各字段解析如下：

offset	bytes	desc
0	4	头标识，固定为0x02014b50
4	2	压缩所用的pkware版本，见下
6	2	能够解压的最低版本
8	2	通用位标记，见下
10	2	压缩方法，见下
12	2	文件最后修改时间
14	2	文件最后修改日期
16	4	CRC32校验码
20	4	压缩后大小
24	4	压缩前大小
28	4	文件名长度
30	2	扩展域长度
32	2	文件注释长度
34	2	文件开始位置的磁盘编号(这个值不知道是表示什么)
36	2	内部文件属性，内容见下
38	4	外部文件属性，依赖于外部的文件系统
42	4	本地文件header的相对位置，这里会指向FileEntry的头
46	n	目录文件名
46+n	m	扩展域
46+n+m	k	文件注释内容

End of Central Directory Record

目录结束标识存在 于整个归档包的未尾，用于标记压缩的目录数据结束了。sample的结构如下：

各字段解析如下：

offset	bytes	desc
0	4	头标识，固定为0x06054b50，小端
4	2	当前磁盘编号
6	2	central directory开始位置的磁盘编号
8	2	该磁盘上记录的central directory数目，如果是同一磁盘，则为全部的central directory数目，sample为4
10	2	central directory结构总个数，sample为4
12	4	central directory的大小，这里会算上整个central directory的大小，sample为200+65-e4=385
16	4	central directory相对于整个文件开头的位置，sample为0xe4
20	2	注释长度
22	n	注释内容，这个注释是整个压缩文件的注释，与central directory中的不一样，那个是相对于文件目录的

扩展

通用位标记

0	1+2	3	4	5	6	7+8+9+a	b	c	d	e+f
压缩的文件	加密选项	数据描述	压缩增强	压缩patch数据	强加密	没用	语言编码	保留	header掩码	保留

压缩方法

编码	方法	编码	方法
00	没压缩	01	shrunk
02	reduced with compression factor 1	03	reduced with compression factor 2
04	reduced with compression factor 3	05	reduced with compression factor 4
06	imploded	07	保留
08	deflated	09	enhanced deflated
10	PKWare DCL imploded	11	保留
12	BIZ2	13	保留
14	LZMA	15	保留
16	保留	17	保留
18	IBM TERSE	19	IBM LZ77Z
98	PPMd version I,Rev 1

编码版本

编码	版本	编码	版本
0	MS-DOS		OS/2
1	Amiga	2	OpenVMS
3	UNIX	4	VM/CMS
5	Atari ST	6	OS/2 H.P.F.S
7	Macintosh	8	Z-System
9	CP/M	10	NTFS
11	MVS(OS/390-Z/OS)	12	VSE
13	Acorn Risc	14	VFAT
15	alternate MVS	16	BeOS
17	Tandem	18	OS/400
19	OS/X(Darwin)	20-255	保留

内部属性

0	1	2	3-f
标识为ASCII/text文件	保留	一个控制位，记录之前的的逻辑记录	未用

参考

The structure of a PKZip file
Zip (file format))
ZIP压缩算法详细分析及解压实例解释
Zip算法实现