如何在不实际解压缩的情况下获得 gzip 文件的未压缩大小？

Question

请找到我的操作系统详细信息：

$ uname -a
AIX xxyy 1 6 000145364C00

我尝试了以下命令来获取 gzip 存档中文件的大小：

$ gzip -l mycontent.DAT.Gz
compressed  uncompr.   ratio   uncompressed_name
-1223644243 1751372002 -75.3%  mycontent.DAT.Gz

不知道如何解释解压后的大小。压缩文件大小接近 4 GB。

因此，我尝试了此选项以捕获正确的数据：

$ zcat mycontent.DAT.Gz | wc -c

它给了我这个错误：

mycontent.DAT.Gz.Z:A file or directory in the path name does not exist.
0

你能告诉我如何在不解压源文件的情况下从 shell 脚本中捕获这个值吗？

Answer 1

回答问题标题：

如何在不实际解压缩的情况下获得 gzip 文件的未压缩大小？

如您所知，选项-l( --list) 通常显示未压缩的大小。
它显示的不是根据数据计算的，而是作为压缩文件的一部分存储在标题中。

在您的情况下，该-l选项由于某种原因不起作用。
但是不可能从原始压缩数据中“测量”未压缩的大小——压缩数据中没有关于其他任何内容的信息——这并不奇怪，因为压缩的目的是忽略任何不需要的内容。

您不需要将未压缩的数据存储在磁盘上：zcat file.gz | wc -c是正确的方法 - 但正如@OleTange 回答的那样，您zcat似乎不是gzip.
另一种方法是使用gzip选项-d( --decompress) 和-c( --to-stdout)，并结合wc选项-c( --bytes)：

gzip -dc file.gz | wc -c

Answer 2

我喜欢使用它pv，因为它显示了更人类可读的信息和进度：

zcat file.gz | pv > /dev/null

输出：

7,65GiB 0:00:44 [ 174MiB/s] [

Answer 3

您zcat的不是 GNU zcat，而是来自 compress。尝试：

gzcat mycontent.DAT.Gz | LC_ALL=C wc -c
gzip -dc mycontent.DAT.Gz | LC_ALL=C wc -c

Answer 4

不幸的是，唯一知道的方法是提取它并计算字节数。gzip 文件无法正确报告大小 >4GB 的未压缩数据。请参阅RFC1952，它定义了 gzip 文件格式：

ISIZE (Input SIZE)
    This contains the size of the original (uncompressed) input
    data modulo 2^32.

如果您使用的 gzip 版本没有错误，则这种差异可能会更加明显：它将值视为有ISIZE符号 32 位整数（结果为 -1223644243），而不是无符号 32 位整数（这将导致 3071323053）。

仅根据标头您最多可以确定未压缩数据的实际大小是

(n * 4,294,967,296) + 3,071,323,053

其中n是某个整数。