如何在 C++ 中解析 tar 文件

Question

我想要做的是下载一个包含多个目录的 .tar 文件，每个目录有 2 个文件。问题是我无法找到一种方法来读取 tar 文件而不实际提取文件（使用 tar）。

完美的解决方案是这样的：

#include <easytar>

Tarfile tar("somefile.tar");
std::string currentFile, currentFileName;
for(int i=0; i<tar.size(); i++){
  file = tar.getFileText(i);
  currentFileName = tar.getFileName(i);
  // do stuff with it
}

我可能必须自己写这个，但任何想法将不胜感激。

Answer 1

经过一番工作后，我自己发现了这一点。 tar 文件规范 实际上告诉您需要了解的所有内容。

首先，每个文件都以 512 字节标头开头，因此您可以使用指向较大 char 数组中某处的 char[512] 或 char* 来表示它（例如，如果您将整个文件加载到一个数组中）。

标头如下所示：

location  size  field
0         100   File name
100       8     File mode
108       8     Owner's numeric user ID
116       8     Group's numeric user ID
124       12    File size in bytes
136       12    Last modification time in numeric Unix time format
148       8     Checksum for header block
156       1     Link indicator (file type)
157       100   Name of linked file

因此，如果您想要文件名，可以使用 string filename(buffer[0], 100); 在这里获取它。文件名是空填充的，因此您可以进行检查以确保至少有一个空值，然后如果您想节省空间，则可以忽略大小。

现在我们想知道它是文件还是文件夹。 “链接指示符”字段具有此信息，因此：

// Note that we're comparing to ascii numbers, not ints
switch(buffer[156]){
    case '0': // intentionally dropping through
    case '\0':
        // normal file
        break;
    case '1':
        // hard link
        break;
    case '2':
        // symbolic link
        break;
    case '3':
        // device file/special file
        break;
    case '4':
        // block device
        break;
    case '5':
        // directory
        break;
    case '6':
        // named pipe
        break;
}

此时，我们已经拥有了所需的有关目录的所有信息，但我们还需要普通文件中的一件事：实际的文件内容。

文件的长度可以用两种不同的方式存储，要么是作为 0 或空格填充的空终止八进制字符串，要么是“通过设置最左边字节的高位来指示的 Base-256 编码”数字字段”。

数值使用 ASCII 数字以八进制编码，并带有前导零。由于历史原因，应使用最后的 NUL 或空格字符。因此，虽然保留了 12 个字节用于存储文件大小，但只能存储 11 个八进制数字。这使得存档文件的最大文件大小为 8 GB。为了克服这个限制，star于2001年引入了base-256编码，通过设置数字字段最左边字节的高位来指示。 GNU-tar 和 BSD-tar 遵循了这个想法。此外，1988 年第一个 POSIX 标准之前的 tar 版本用空格而不是零填充值。

以下是读取八进制格式的方法，但我还没有为 base-256 版本编写代码：

// in one function
int size_of_file = octal_string_to_int(&buffer[124], 11);

// elsewhere
int octal_string_to_int(char *current_char, unsigned int size){
    unsigned int output = 0;
    while(size > 0){
        output = output * 8 + *current_char - '0';
        current_char++;
        size--;
    }
    return output;
}

好的，现在我们拥有了除实际文件内容之外的所有内容。我们所要做的就是从 tar 文件中获取下一个 size 字节的数据，我们将获得文件内容：

// Get to the next block after the header ends
location += 512;
file_contents = new char[size];
memcpy(file_contents, &buffer[location], size);
// Go to the next block by rounding up to 512
// This isn't necessarily the most efficient way to do this,
// but it's the most obvious.
location += (int)ceil(size / 512.0)

Answer 2

您看过 libtar 吗？

来自 fink 包信息：

libtar-1.2-1：Tar 文件操作 API
libtar 是一个用于操作 POSIX tar 文件的 C 库。它处理
将文件添加到 tar 存档中或从 tar 存档中提取文件。
libtar 提供以下功能：
* 灵活的 API - 您可以操作单个文件或只是
一次提取整个档案。
* 允许用户指定的read()和write()函数，例如
zlib 的 gzread() 和 gzwrite()。
* 支持 POSIX 1003.1-1990 和 GNU tar 文件格式。

本身不是 C++，但你可以很容易地链接到 C...

Answer 3

libarchive 可以是解析 tarball 的开源库。 Libarchive可以从归档文件中读取每个文件而无需解压，也可以写入数据以形成新的归档文件。