确定性地压缩压缩的 .tar.gz 文件

Question

我想对压缩文件执行一系列重新压缩以研究它们的属性。

起初，我尝试简单地.zip在循环中重新压缩文件：

for f in $(seq 1 100)
do 
  zip $f.zip -9 -v $(($f-1)).zip
done

从一个固定0.zip文件开始，我注意到，如果我重新运行这些行，除了前几个文件外，所有文件都有不同的大小。经过一番调查，我意识到这是由压缩文件的时间戳引起的。然后我在重新压缩之前重置时间戳：

for f in $(seq 1 100)
do
  touch $(($f-1)).zip -t 200101010101
  zip $f.zip -9 -v $(($f-1)).zip
done

这次我使用zip. 但是，tar与gzip算法一起使用仍然不起作用。每次我运行：

for f in $(seq 1 100)
do
  touch $(($f-1)).tar.gz -t 200101010101
  tar cvfz $f.tar.gz $(($f-1)).tar.gz
done

我得到不同的文件大小，从4.tar.gz直到100.tar.gz. 为什么会发生这种情况，我可以做些什么来防止它发生？

Answer 1

好的，所以我想我终于找到了一种按照我想要的方式获得事物的方法，它涉及使用tar和gzip分开（我同时使用 GNU 工具，tar 1.26 和 gzip 1.6）。

使用中的z选项时tar，它首先创建 tar 文件，然后立即使用该时间戳创建 gzip 文件。换句话说，我无法控制中间文件的时间戳（我没有找到任何这样做的选项，除了更改正在存档的原始文件的 mtime），因此 .tar.gz 文件最终是非确定性的。

但是，如果我首先使用没有 gzip 的 tar，然后修改 tar 文件的时间戳（touch例如使用），然后我使用 gzip 编译它，我会得到确定性的结果。

顺便说一句，使用两步过程生成的文件要小得多（在我的示例中为 ~400KB，而不是我在使用 tar 和 z 选项时获得的 ~1.2MB）。这一定与单独使用 tar+gzip 和 gzip 时的默认设置有关。由于我的原始文件无论如何都是空的，我不确定缩小大小是否有意义。

无论如何，我的问题的简短答案是：