.gz文件的集合在非常特定的偏移處被非常少量的字節損壞

Question

我有大量文件，所有文件都處於相同的文件格式，有時爲了節省空間而進行了壓縮。我正在策劃檔案以消除重複。

對於大量重複文件（一對gzip，一個常規），它們相差< 20個字節，從少量文件偏移之一開始（一個偏移距文件起始處爲313656字節;另一個更常見的偏移量是176287）。文件從1MB到200MB，無壓縮。

我相信Ubuntu Linux版本的gzip和/或7zip命令行工具被用來壓縮這些文件。我甚至不能確定gzip版本是否是腐敗版本。

有沒有人知道會產生這樣一種特定腐敗模式的機制，然後我可以（a）在將來避免和（b）有希望地用來選擇「正確」（最可能是未損壞的）版本的文件？

Answer 1

當您解壓縮對的gzip成員時，您會看到與已經解壓縮的其他成員不同的幾個字節？如果是這樣，那麼接下來的問題是：gzip解壓縮沒有錯誤消息嗎？如果是這樣，那麼gzip文件末尾的CRC-32值以及未壓縮的長度將被檢出。在這種情況下，gzip文件是您應該保留的文件。

我無法知道或猜測可能導致未壓縮文件損壞的原因。