Chinaunix首页 | 论坛 | 博客
  • 博客访问: 995204
  • 博文数量: 186
  • 博客积分: 10020
  • 博客等级: 上将
  • 技术积分: 1676
  • 用 户 组: 普通用户
  • 注册时间: 2006-08-14 17:08
文章存档

2011年(5)

2009年(11)

2008年(2)

2007年(111)

2006年(57)

我的朋友

分类: LINUX

2007-09-04 18:19:18

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。

    下面是GZIP文件 格式的简要分析示意图:

    GZIP文件格式示意图

    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。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:
  • 科脑工作室(Kernel Studio):
  • 阅读(2280) | 评论(0) | 转发(0) |
    0

    上一篇:配置管理

    下一篇:1.1 信息系统概论

    给主人留下些什么吧!~~