GZIP压缩原理分析（06）——第三章 gzip文件格式详解（三04） gzip文件格式实例分析以及本章总结

这里简单提一下字节顺序的问题，为了理解起来更快更清晰，我不说大小端的问题，只要各位看官记住分析套路先把gzip文件格式分析清楚，知道实际的二进制存储方式即可。后续章节分析压缩源码的时候会结合代码说明。

实例一：

原始文件的文件信息如下，

 使用UE打开将该文件经过gzip压缩后的结果，如下图所示，

 我们逐字节分析，开始的10个字节是固定头部，即00000000h行0~9列就是这10个字节。

行                ，列

0000 0000h, 0~1，开始的两个字节是标识符1F8B；

0000 0000h, 2，CM (Compression Method)，压缩方式，08表示deflate算法；

0000 0000h, 3，FLG (FLaGs)，标志位，十六进制08，即二进制0000 1000，从右往左分别是bit0~bit7，现在bit3置位，对应FNAME，即该gzip头后面的扩展部分是带着原始文件名的；

0000 0000h,4~7，这四个字节是时间，分别是十六进制“38 DA 71 57”，这是存储的顺序，我们转换成人们正常读取的顺序“57 71 DA 38”，将其转换成时间，先把5771DA38转换成十进制即1467079224，再使用在线时间戳转换工具得到如下图所示结果

 该结果与实际的原始文件信息对应。

0000 0000h, 8，XFL (eXtra FLags)，十六进制02，这个地方我也有点糊涂，但我估计应该是用的XFL = 4 - compressorused fastest algorithm；

0000 0000h, 9，00，即0 - FAT filesystem (MS-DOS, OS/2,NT/Win32)，我用的是win7，也是对应的。

0000 0000h, a~00000010h, 1，共8个字节，存储的是原始文件的文件名“abc.txt”，末尾还有个'\0'表示结束，从这里可以看出，这个文件名只是个文件名，没携带路径信息。从这里往后，就是实际的压缩数据信息了；

0000 0030h, b~e，这四个字节是CRC32校验码，分别是十六进制“45 2D F1 80”，这是存储的顺序，我们转换成人们正常读取的顺序“80 F1 2D 45”，原文件内容为“abcabcabcdeabcdefghijklmnopqrstopqrstuvvvvabcabcabcdeabcdefghijklmnopqrstuv”，使用CRC计算器算得结果如下图所示

 这个结果与我们解析出的结果是相同的。

0000 0030h, f~0000 0040h, 2，这四个字节是原始文件的大小，分别是十六进制“4B 00 00 00”，这是存储的顺序，我们转换成人们正常读取的顺序“00 00 00 4B”，即十进制的75，原始文件大小75字节，这也与文件信息对应。

到此，实例一完成。GZIP文件的基本分析方法就是这样，很简单，照着格式一步一步来就好。需要注意的是，这里对CRC32的分析、文件原始长度的分析以及相应工具的使用非常重要，后续章节要分析gzip源码，调试过程中难免出现异常，到时候就要依靠类似的推理方法以及工具。

实例二：

上面我们分析了针对文件的压缩，现在我们分析经过gzip压缩的HTTP应答报文。使用wireshark抓包，请求报文的HOST是“finance.sina.com.cn”，如下图所示，

这是经过压缩的HTTP应答报文，HTTP数据长度908个字节（这是经过压缩之后的数据长度），图中固定长度的那10个字节已经被圈出来了，可以看出只有四个字节有效，具体含义参考实例一分析，这里不再赘述。我们看下图，

 末尾的八个字节，CRC32我们不分析了，主要看原始数据长度，这里是“ED 0A 00 00”，使用人们习惯的方式是“00 00 0A ED”，转换成10进制就是2797，即原始长度是2797个字节。从这里我们可以初步看到压缩对于网络传输时减小带宽的好处。如下图所示，是wireshark的解压结果，

本章总结

本章我们分析了gzip文件格式各个字段的含义，并用两个实例进行实践，其中用到了一些工具，这些工具都极易获得，是我当初分析以及修改gzip1.2.4源码时，调试代码常用的工具。前文对RFC1952部分内容做了粗浅的翻译，有些直译有些意译，不足之处还请大家海涵，如果能在评论中指出，小僧感激不尽。另，gzip压缩不支持加密。