一、压缩介绍

现在这个时代电子信息发展迅猛，数据量越来越庞大，小米10手机摄像头技术都达到1亿像素；2021年9月，三星甚至提出2亿像素的传感器技术。因此，压缩数据成为数据存储和传输中用于降低成本和时间的关键技术。

2亿像素的ISOCELL HP1，5000万像素的ISOCELL GN5

压缩技术又分为有损压缩与无损压缩两类，两者的主要区别是：有损压缩还原时跟原始信息不是完全一样，但是不影响使用，比如音频、图片、视频类信息；无损压缩还原时跟原始信息完全一样，比如本文要介绍的常用压缩软件RAR，Zip等压缩方法。

Windows下比较熟知的压缩方法有zip或者RAR，为了便于压缩与解压的使用，开发了许多的解压缩软件，比如：winrar、好压、快压、360压缩等。但是在Linux比较常用的压缩方法却是gzip、bzip2、compress等，比如官方下载的gcc编译器源码压缩文件就是基于gzip压缩的：gcc-11.2.0.tar.gz。

打包或者压缩格式很多，目前主流使用的有如下表所示几种：

表一

表二

对于表二类似“xxx.tar.gz”等格式的文件，是Linux下的一种文件格式，生成该格式文件分为两个步骤，（1）、xxx文件打包为xxx.tar；（2）、xxx.tar压缩为xxx.tar.gz。下面大概介绍Linux下tar打包与gz、bz2等压缩工具的使用。

二、Linux打包tar

由于Linux中的很多压缩程序只能针对一个文件进行压缩，因此如果包含许多文件，则需要将所有文件打包为一个文件，然后再压缩。

Linux下最常用的打包程序就是tar，使用tar程序打出来的包我们常称为tar包，tar包文件的扩展名通常是.tar。生成tar包后，就可以用其它的程序（gzip或bzip2等）来进行压缩了。

2.1、tar文件结构

Tar指令只用于多文件打包，并不压缩文件，因此打包后的文件并没有减小，反而由于在打包时会在每个文件头加入512字节的tar头部信息，使得打包后的文件略微变大。比如当前有文件a1.c、a2.c、a3.c，每个文件100k，打包后文件的文件结构如下图所示：

如上图所示，3个文件共300k，通过tar打包后，至少为301.5k；因为tar文件是按块存储，每个块为512bytes大小，所以tar文件大小应该为512字节的倍数，如果a1.c文件大小为99.7k，则通过tar打包时，最后0.3k必须填充为0，补足至100k（满足512字节的倍数）。

2.2、tar_header头部结构

tar_header为512字节的块结构，保存后面的文件信息，tar源码的tar.h文件中该header结构如下图所示，该header结构刚好是一个块大小，即512字节每个块。

tar源码版本为“tar-1.26.tar.gz”，可通过以下网盘链接下载：

链接：
https://pan.baidu.com/s/1T34dYxBRWKYE8jmFvv_2aw

提取码：ppw2

tar打包函数入口为create_archive()，在源码文件create.c中。

2.3、tar命令打包

tar 命令用于打包操作时，该命令的基本格式为：tar [选项] 源文件或目录。tar命令常用的选项及各自的含义如下图所示。

（1）、创建2个文件a1.txt、a2.txt，分别输入如下内容：

（2）、tar命令进行打包，生成aTar.tar打包文件

2.4、aTar.tar文件内容分析

通过UltraEdit打开上面tar命令打包生成的aTar.tar文件，可以看到aTar.tar文件格式为：首先是a1.txt的tar_header信息，然后是a1.txt的内容；接着是a2.txt的tar_header信息，然后是a2txt的内容。

（1）、第一块：从地址0x00000000h位置到0x00000200h之间（共512字节）是a1.txt的tar_header信息：

根据如上结构struct posix_header结构体的定义，说明几个字段含义：

a>、最开始的位置存储name，大小为100字节，内容为61 31 2E 74 78 74 00,即为“a1.txt”；

b>、后面是mode字段内容为30 30 30 30 36 34 34 00，即为“0000644”，表示a1.txt文件的操作权限，与ls命令查询a1.txt文件权限一致。

c>、uid、gid信息，即当前linux登录用户id与组id，这两个id的内容均为30 30 30 31 37 35 30 00，即为“0001750”，该值为八进制，转为十进制为1000，与id命令查询的结果一致。

d>、size字段值为30 30 30 30 30 30 30 30 30 33 33 00，即为“00000000033”，该值为八进制，转为十进制为27，表示a1.txt文件大小为27字节，与文件内容大小一致：

e>、magic字段值为75 73 74 61 72 20，即为“ustar”，表示当前包为tar文件；

f>、uname与gname为当前linux登录用户名与组名，即kevin。

（2）、第二块：从地址0x00000200h位置到0x00000400h之间（共512字节）是a1.txt的内容，虽然a1.txt的内容为27字节，但是块大小为512，不足地方补0。

（3）、第三块：从地址0x00000400h位置到0x00000600h之间（共512字节）是a2.txt的tar_header信息：

a2.txt的tar_header信息格式与a1.txt的tar_header一致，其size字段为“00000000025”，转为十进制为21，表示a2.txt内容为21个字符，确认一致。

（4）、第四块：从地址0x00000600h位置到0x00000800h之间（共512字节）是a2.txt的内容，虽然a2.txt的内容为21字节，但是块大小为512，不足地方补0。

注：以上与“2.1、tar文件的结构一致”！！！

三、Linux压缩至gz、bz2、z格式

Linux下文件压缩属于无损压缩，解压缩还原时必须和原文件一致，否则会导致程序运行错误；其基本原理为，通过查找文件内的重复字节，建立一个相同字节的词典文件，并用一个代码表示。比如如下文件：

重复的字符串“小扇子的笔记”可以用一个代码“a”表示，则文件内容可以表示为：

这文件的大小就缩小了，还原回来也是无信息损失的。

当然压缩算法远比这个复杂，Linux下的压缩工具常用的有GNU组织开发的gzip（.gz）、压缩能力更强的bzip2（.bz2）、比较古老的压缩指令compress（.Z）、以及最新的提供最佳压缩率的XZ（.xz）。

这些压缩命令只能用来压缩文件，不能压缩目录，即便指定了目录，也只能压缩目录内的所有文件；同时只能压缩单个文件，因此通常与tar打包命令一起使用，在tar打包命令中加入如下选项即可调用对应的压缩命令进行压缩：

3.1、gzip压缩

在tar指令中加入‘-z’选项，调用gzip进行压缩。

解压缩命令为：tar –xzf a.tar.gz。

3.2、bzip2压缩

在tar指令中加入‘-j’选项，调用bzip2进行压缩。

解压缩命令为：tar –xjf a.tar.bz2。

3.3、xz压缩

在tar指令中加入‘-J’选项，调用xz进行压缩。

解压缩命令为：tar –xJf a.tar.xz。

3.4、compress压缩

现在新的Linux系统都没有安装ncompress压缩工具，需要先安装：

然后在tar指令中加入‘-Z’选项，调用compress进行压缩。

解压缩命令为：tar –xZf a.tar.Z。

3.5、其他压缩工具

Windows下常用的压缩格式zip与rar在Linux下也是支持的。

（1）、Linux下提供了zip和unzip程序，zip是压缩程序，unzip是解压程序；

（2）、linux下处理.rar文件，需要安装RAR for Linux，如下指令：
　　# tar -xzpvf rarlinux-3.2.0.tar.gz
　　# cd rar
　　# make
　　安装后有rar和unrar这两个程序，rar是压缩程序，unrar是解压程序。