zlib数据格式分析(RFC-1950)

zlib数据格式

数据存储

计算机中的字节都是从高到低存储的，即最左边是最高位，最右边是最低位。

但是，一个数可能会占用多个字节，zlib中式高位的字节存在较低的内存之中。例如，十进制数256用两个字节存储在内存中会是下面这种形式：

0	1
00000001	00000000

数据格式

zlib流采用下面这种结构：

0	1	…
CMF	FLG	…

如果FLG的FDICT位为1，那么最在flag后追加一个4字节的DICTID，如下：

0	1	2，3，4，5	…
CMF	FLG	DICTID	…

之后，会紧跟着被压缩的数据、数据之后为ADLER32。ADLER32中的数据不属于zlib流中的一部分。

CMF(Compression Method and flags)

这一字节被分割成了两部分。

比特位	含义
0 -3	CM Compression Method
4 - 7	CINFO Compression Info

CM

表示改文件所用的压缩方法。

CM=8表示deflate压缩方法，它拥有一个最大32K的滑动窗口。这种压缩方法被用于gzip和PNG。

CINFO

如果CM=8，CINFO为LZ77中$lo{g}_2(滑动窗口长度)-8$,例如CINFO=7，那么滑动窗口长度为$2^{7+8}=2^{15}=32K$

FLG(Flags)

FLG块被分成了三个部分：

比特位	含义
0 - 4	FCHECK，对CMF和FLG的校验位
5	FDICT，preset dictionary，预置字典
6 - 7	FLEVEL, 压缩等级

FCHEK=(CMF*256+FLG)，且必须是31的倍数。

FDICT

如果FDICT为1，那么字典标识符会紧跟着FLG之后出现。字典是字典数据的Alder-32校验和，使用这个标志位，解压缩器可以知道压缩程序使用了哪个字典。

FLEVEL

有四种压缩等级。在Deflate方法中，标志为如下：

标志位	含义
0	压缩程序使用最快的算法
1	压缩程序使用较快的算法
2	压缩程序使用缺少的算法
3	压缩程序使用最大的压缩，最慢的算法

这个标志对于解压程序无用，它的只是用来让人半段有没有必要再进行压缩。

压缩数据

压缩数据采用Deflate格式。

ADLER-32

校验和。

对每一个bit执行记录两个数值，s1是所有比特的和，s2是所有s1的和。二者在计算过程中都要对65521取模。s1初始值为1，s2初始值为0。Adler-32 校验和按高位字节在先（网络字节序）的顺序存储为 s2*65536 + s1。