修復損壞的gz或tar.gz壓縮檔案之方法篇

GZIP結構圖：

修復一個損壞的gzip檔案的關鍵環節在於找到下一個正常壓縮包的起始點。根據結構圖中的資訊可知，每個壓縮包的開始結構中有是否到達尾部標誌、使用的哈夫曼樹型別、以及3個哈夫曼樹的樹元素個數等。如果某個gzip檔案中間有一個壞扇區，要找到壞扇區後的一個正常起點，僅需按位右移，一直移位到可以正常解壓的某個位，就可能找到了正確的壓縮包起始。而根據gzip檔案的壓縮作業視窗為32KB大小推算，這個遍歷不會超過64KB即可找到。在記憶體中快速迴圈可以很快找到，但需要有明確的判斷錯誤的方法。

  首先可以明確的是結尾標誌，應該為0(我們是從損壞的點向後查)。而哈夫曼樹型別也大致應該是動態哈夫曼(0x02)，cl1的元素個數應該取值為257到286之間(包含邊界)，cl2的元素個數應小於等於30，ccl的元素個數取值可為1-15(包含邊界)。

  其實，還可以參考的東西有，解開的哈夫曼樹是否異常，或者透過規律性原則找到最後一個取值為256的值，但這些演算法應該是較為麻煩的，有上面的演算法連續校驗幾個壓縮塊就足夠了。

  具體方法是對gzip的原始碼做修改，進行遍歷。因時間關係，未做成通用工程，僅快速修改了部分程式碼。大致的修改點為：

一 、 找到損壞點：

在unzip.c中，

error("invalid compressed data--format violated");

這一行前，獲取當前解碼位元組位置即可。

 

二、遍歷找到損壞點：

 1、inflate.c檔案中，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檔案中，在int inflate_block(e)函式中

在如下程式碼前

bb = b;
bk = k;

加入程式碼：

if ((t != 2) || (*e != 0))
return 2;

3、inflate.c檔案中，在int inflate_block(e)函式尾部

把if (t == 0) 與if (t == 1)的情況都直接返回錯誤值2

4、inflate.c檔案中，函式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   !"); //也可輸出tstart,bb,bk 值，轉載時請保留版權資訊： 張宇
       }
}

此4步完成後，試著除錯這個錯誤的.gz檔案，當然，也可以在程式碼中解釋完頭部結構後加一個seek，直接seek到損壞位置 。

通常情況下，輸出printf(“get by   !”)這行程式碼時，已經找到了正確的起始位

找到起始位後，也可以構造或複製一個正常的gzip檔案頭，再拼接好找到的位流，即可解壓了。(如果位流不是位元組對齊的，可能要全部做位移)。拼接後很多壓縮檔案就可以開啟甚至於解壓了，不過，有可能會報錯，主要是尾部的校驗和大小錯，其實可以忽略。

如果拼接好了linux下，不能直接用“gzip –d”解壓，因其crc有錯誤，會導致解壓到99%後報錯，然後把檔案刪除，換成管道命令即可：