爲什麼兩次壓縮相同的內容會給出兩個具有不同SHA1的文件？

我遇到了git和zip文件的一個奇怪問題。我的構建腳本需要一堆文檔html頁面，並將它們壓縮到docs.zip中，然後將該文件檢入到git中。爲什麼兩次壓縮相同的內容會給出兩個具有不同SHA1的文件？

我遇到的問題是，每次我重新運行構建腳本並獲取一個新的zip文件時，新的zip文件都具有與上一次運行不同的SHA1。我的構建腳本正在調用ant zip任務。然而，從Mac OS X shell中手動調用macOSX zip會給我一個不同的sha1，如果我壓縮兩次相同的目錄。

運行1：

zip foo.zip * 
openssl sha1 foo.zip 
rm foo.zip

運行2：

zip foo.zip * 
openssl sha1 foo.zip

運行1和RUN2給出不同的SHA1即使內容沒有運行之間變化。在這兩種情況下，壓縮文件都會打印出完全相同的壓縮文件，並不表示像.DS_Store這樣的操作系統特定文件將被包含在壓縮文件中。

拉鍊算法是確定性的嗎？如果運行在相同的內容上，它會產生完全相同的位？如果不是爲什麼不呢？

我以確定性的方式壓縮文件有什麼選擇？壓縮文件中有成千上萬個文件，我不希望這些文件有太大的改變。我知道git會壓縮任何你簽入的文件，但是壓縮它們的動機是保持它們的質量。

來源

2012-03-15 ams

兩件事。首先，zip文件本身似乎可能包含在zip中，因爲它位於相同的目錄中，這可能會導致不確定的結果。其次，zip可能包含日期和時間，這些日期和時間將與運行時間不同。 – 2012-03-15 04:52:47

zip文件未包含在新生成的zip中，我在發佈我的問題之前檢查了該文件。 – ams 2012-03-15 04:58:26

根據維基百科http://en.wikipedia.org/wiki/Zip_(file_format)似乎zip文件有文件的最後修改時間標題和文件的最後修改日期，以便籤入Git的任何zip文件會出現與git如果拉鍊是由因爲同樣的內容重建已經改變。而且似乎沒有標誌告訴它不設置這些標題。

我只是使用tar，它似乎產生相同的輸入多個相同的輸入字節。

來源

2012-03-15 05:10:33 ams

沒錯，ZIP歸檔文件包含不同的文件信息，包括文件修改時間（以及unix文件權限，所有者，創建時間和事件訪問時間）。 – 2013-04-23 12:22:42

默認情況下，Gzip已保存的文件名和時間戳

%> gzip -help 2>&1 | grep -e '-n' 
-N --name   save or restore original file name and time stamp 
-n --no-name   don't save original file name or time stamp 

%> gzip -V 
Apple gzip 272

使用-n選項：

%> tar cv foo/ | gzip -n > foo.tgz; shasum foo.tgz # sha256sum on Ubuntu

，你會始終得到相同的哈希值。

在沒有-n的情況下嘗試以上操作，每次都應該看到不同的散列值。

來源

2016-07-06 23:00:33

這是一個正確的答案，但如果您告訴用戶它做了什麼以及它如何解決問題，這將會很有幫助。從gzip幫助「-n --no-name 壓縮時，默認情況下不保存原始文件名和時間戳...」保存的原始文件名影響哈希。 – 2016-07-06 23:08:09

爲什麼兩次壓縮相同的內容會給出兩個具有不同SHA1的文件？

回答

相關問題