主页 / 问题 / 1157273
Accepted
andreymal
Asked:2020-07-26 01:36:29 +0000 UTC2020-07-26 01:36:29 +0000 UTC

如何从 7z 存档中手动读取元数据？

  • 772

我的任务是手动读取 7z 档案，而不使用 7z 实用程序。它们似乎是使用默认设置创建的，因此很可能版本 4 档案中的数据是使用 LZMA2 算法压缩的（在版本 3 档案中，显然是使用 LZMA1 算法），并且元数据在 LZMA1 中压缩（根据文档）。

使用科学戳方法，我设法从一些（但由于某种原因不是全部）档案中读取数据：

import lzma
with open('archive.7z', 'rb') as fp:
    fp.seek(32)  # Пропускаем 7z-заголовок
    data = lzma.LZMAFile(fp, format=lzma.FORMAT_RAW, filters=[{"id": lzma.FILTER_LZMA2}]).read()

但是，我不知道如何读取元数据。（是否应用了任何特殊过滤器？）

你能告诉我它们是如何编码的以及需要为 lzma 解压缩器设置哪些参数才能读取元数据吗？

7z

1 个回答

  1. Best Answer

    偶然发现了来自py7zr项目的非官方格式规范。它有点难以阅读，似乎有一些错误，但是这个规范，通过阅读py7zr 源代码，帮助我获得了元数据。

    我不会将规范的一半复制粘贴到这个答案中，但我会注意到一些重要的，在我看来，要点：

    • 该格式有一个特殊的类型 NUMBER - 这是一个可变长度的数字，其中数字的长度由第一个字节中的高位设置，并且必须记住所有 NUMBER 才能正确解码；

    • 如果 End Header 以字节 0x17 开头，则元数据被编码（压缩或加密）并且 End Header 包含解密指令。如果以 0x01 开头，那么元数据直接写入 End Header 而不编码，但是这样的存档非常少见（我的收藏中只找到了一个）；

    • 格式中有文件夹、流、编码器和过滤器的复杂概念，它们也会影响元数据的编码并使 End Header 的解析复杂化。但是，显然，一个文件夹、一个流和一个 LZMA1 编码器总是用于没有特殊过滤器的元数据（但这并不准确）；

    一般来说，EncodedHeader 结构从 0x17 开始，并包含另外两个结构： PackInfo (0x06) - 有关编码数据的位置和大小的信息；和 UnpackInfo (0x07) - 有关设置编码器和过滤器的信息，以及解码数据的大小及其 CRC32 哈希值。

    从 EncodedHeader 中读取所有这些信息后，我们可以减去压缩的元数据并成功解压：

    # Параметры, прочитанные из структуры EncodedHeader
pack_position = 0x1d
pack_size = 0x71
coder1_properties = b"\x5d\x00\x10\x00\x00"
unpack_size = 1202

with open("archive.7z", "rb") as fp:
    # Пропускаем заголовок и переходим к сжатым метаданным
    fp.seek(0x20 + pack_position)
    # Читаем сжатые метаданные
    meta_compressed = fp.read(pack_size)
    # Готовим декодер
    decompressor = lzma.LZMADecompressor(
        format=lzma.FORMAT_RAW,
        filters=[lzma._decode_filter_properties(lzma.FILTER_LZMA1, coder1_properties)],
    )
    # Декодируем
    meta = decompressor.decompress(meta_compressed)
    # Декодер может выдать лишние байты, поэтому обязательно обрезаем под нужный размер
    meta = meta[:unpack_size]

    将来，这些解压后的元数据也需要进行解析，以便与档案一起进行全面的工作，但这是一个完全不同的故事。

    在我在问题图片中显示的示例存档中，End Header 的排列方式如下（点击放大）：

    • 1

相关问题