打印本文 打印本文  关闭窗口 关闭窗口  
GZIP文件格式简介
作者：未知  文章来源：网络  点击数2647  更新时间：2011-03-02 11:40:53  文章录入：admin  责任编辑：admin

GZIP最早由Jean-loup Gailly和Mark Adler创建，用于UNIX系统的文件压缩。我们在Linux中经常会用到后缀为.gz的文件，它们就是GZIP格式的。现今已经成为Internet上使用非常普遍的一种数据压缩格式，或者说一种文件格式。HTTP协议上的GZIP编码是一种用来改进WEB应用程序性能的技术。大流量的WEB站点常常使用GZIP压缩技术来让用户感受更快的速度。

GZIP本身只是一种文件格式，其内部通常采用DEFLATE数据格式，而DEFLATE采用LZ77压缩算法来压缩数据。

GZIP文件由1到多个“块”组成，实际上通常只有1块。每个块包含头、数据和尾三部分。块的概貌如下：
+---+---+---+---+---+---+---+---+---+---+========//========+===========//==========
|ID1|ID2| CM|FLG|     MTIME     |XFL| OS|   额外的头字段   |       压缩的数据     
+---+---+---+---+---+---+---+---+---+---+========//========+===========//==========

+---+---+---+---+---+---+---+---+
|     CRC32     |     ISIZE     |
+---+---+---+---+---+---+---+---+

1. 头部分

  • ID1与ID2：各1字节。固定值，ID1 = 31 (0x1F)，ID2 = 139(0x8B)，指示GZIP格式。
  • CM：1字节。压缩方法。目前只有一种：CM = 8，指示DEFLATE方法。
  • FLG：1字节。标志。

    bit 0 FTEXT - 指示文本数据
    bit 1 FHCRC - 指示存在CRC16头校验字段
    bit 2 FEXTRA - 指示存在可选项字段
    bit 3 FNAME - 指示存在原文件名字段
    bit 4 FCOMMENT - 指示存在注释字段
    bit 5-7 保留

  • MTIME：4字节。更改时间。UINX格式。
  • XFL：1字节。附加的标志。当CM = 8时，XFL = 2 - 最大压缩但最慢的算法；XFL = 4 - 最快但最小压缩的算法
  • OS：1字节。操作系统，确切地说应该是文件系统。有下列定义：

    0 - FAT文件系统 (MS-DOS, OS/2, NT/Win32)
    1 - Amiga
    2 - VMS/OpenVMS
    3 - Unix
    4 - VM/CMS
    5 - Atari TOS
    6 - HPFS文件系统 (OS/2, NT)
    7 - Macintosh
    8 - Z-System
    9 - CP/M
    10 - TOPS-20
    11 - NTFS文件系统 (NT)
    12 - QDOS
    13 - Acorn RISCOS
    255 - 未知

  • 额外的头字段：

    (若 FLG.FEXTRA = 1)

    +---+---+---+---+===============//================+
|SI1|SI2|  XLEN |      长度为XLEN字节的可选项     |
+---+---+---+---+===============//================+

    (若 FLG.FNAME = 1)

    +=======================//========================+
|               原文件名(以NULL结尾)              |
+=======================//========================+

    (若 FLG.FCOMMENT = 1)

    +=======================//========================+
|   注释文字(只能使用iso-8859-1字符，以NULL结尾)  |
+=======================//========================+

    (若 FLG.FHCRC = 1)

    +---+---+
| CRC16 |
+---+---+

    存在额外的可选项时，SI1与SI2指示可选项ID，XLEN指示可选项字节数。如 SI1 = 0x41 ('A')，SI2 = 0x70 ('P')，表示可选项是Apollo文件格式的额外数据。

    2. 数据部分

    DEFLATE数据格式，包含一系列子数据块。子块概貌如下：

    +......+......+......+=============//============+
|BFINAL|    BTYPE    |            数据           |
+......+......+......+=============//============+
  • BFINAL：1比特。0 - 还有后续子块；1 - 该子块是最后一块。
  • BTYPE：2比特。00 - 不压缩；01 - 静态Huffman编码压缩；10 - 动态Huffman编码压缩；11 - 保留。

    各种情形的处理过程，请参考后面列出的RFC文档。

    3. 尾部分

  • CRC32：4字节。原始(未压缩)数据的32位校验和。
  • ISIZE：4字节。原始(未压缩)数据的长度的低32位。

    GZIP中字节排列顺序是LSB方式，即Little-Endian，与ZLIB中的相反。

    GZIP与ZLIB有着很深的渊源。有关ZLIB, GZIP以及DEFLATE等更加详细的说明，可参考RFC 1950-1952。从这些文档里也能找到其它的参考文献。

    GZIP已成为GNU Project的一个组成部分，其官方站点为www.gzip.org。在这里可以下载到GZIP源码。目前最新版本是1.2.4，以及beta版的1.3.3。

    [相关资源]

  • GZIP官方网站：www.gzip.org
  • RFC 1950 - ZLIB Compressed Data Format Specification version 3.3
  • RFC 1951 - DEFLATE Compressed Data Format Specification version 1.3
  • RFC 1952 - GZIP file format specification version 4.3

    • 打印本文 打印本文  关闭窗口 关闭窗口