技术
ZIP / RAR / 7Z / TAR 压缩包格式解析：从比特流看压缩原理
📅 2026-07-15 · ✍️ 闪压团队 · ⏱ 7 分钟阅读
压缩包（archive）≠ 压缩（compression）。压缩包是容器，负责把多个文件 + 元数据组织成一个文件；压缩是算法，负责把字节流压得更小。
主流的 ZIP、7Z、RAR、TAR 既是容器也是压缩算法（或组合）。本文从二进制层面拆解它们的结构差异。
一、ZIP：最通用，但有 35 年历史包袱
ZIP 格式由 PKWARE 公司的 Phil Katz 在 1989 年发布，至今仍是事实标准。
整体结构
[Local File Header 1] [File Data 1] [Data Descriptor 1]
[Local File Header 2] [File Data 2] [Data Descriptor 2]
...
[Local File Header N] [File Data N] [Data Descriptor N]
[Central Directory Entry 1]
[Central Directory Entry 2]
...
[Central Directory Entry N]
[End of Central Directory Record]
三个关键部分：
#### 1. Local File Header（本地文件头）
每个文件前都有一个 30 字节的本地头：
偏移 大小 字段
0 4 签名 0x04034b50 ("PK\x03\x04")
4 2 需要的解压版本
6 2 通用位标志（加密 / 字典大小）
8 2 压缩方法（0=存储, 8=DEFLATE）
10 2 最后修改时间
12 2 最后修改日期
14 4 CRC-32
18 4 压缩后大小
22 4 原始大小
26 2 文件名长度
28 2 扩展字段长度
30 n 文件名（UTF-8 或 CP437）
30+n m 扩展字段
30+n+m ? 文件数据
#### 2. Central Directory（中央目录）
位于文件末尾，包含所有文件的元数据，允许随机访问（不解压整个包就能列出文件列表）。
#### 3. End of Central Directory Record（中央目录结束记录）
22 字节，告诉解析器中央目录从哪里开始。
ZIP 的局限
- ❌ 文件名编码混乱：早期 ZIP 用 CP437（DOS 编码），中文文件名经常乱码。需要看 General Purpose Bit Flag 11 判断是否是 UTF-8
- ❌ 压缩算法固定：每个文件只能用 ZIP 支持的算法（DEFLATE 是主力），不能混用 LZMA / Zstd
- ❌ 没有真正的加密：传统 ZIP 加密是弱加密（ZipCrypto），密码破解工具几十秒就能破
- ❌ 分卷支持薄弱：
.z01/.z02/.zip分卷需要保持顺序，恢复麻烦
二、7Z：开源之王，结构最优雅
7Z 是 7-Zip 配套的容器格式，2000 年首次发布。它的设计目标：
最高压缩率 + 任意压缩算法 + 强加密 + 大文件支持
整体结构
[Signature Header]
[Header]
[Packed Streams]
[Header]
[Packed Streams]
...
[Header for each Pack Stream]
[End Header]
7Z 的核心是 Header 树：
- 签名头（32 字节）指向主 Header
- 主 Header 是一个属性流（Property Stream），包含所有文件的元数据、压缩方法、CRC 等
- 文件数据被切分成多个 Pack Streams（压缩流）
- 每个 Pack Stream 前面有 Coders Header，记录该流用了哪些压缩算法
7Z 的优势
- ✅ 算法无关：每个 Pack Stream 可以用不同算法（LZMA、LZMA2、PPMd、BZip2、DEFLATE 等），甚至链式组合（先 LZMA 再算术编码）
- ✅ AES-256 加密：真正的强加密
- ✅ 超大文件支持：单文件最大 16 EB（理论）
- ✅ LZMA2 多线程：每个 Pack Stream 可独立多线程压缩
7Z 的局限
- ❌ 压缩慢：LZMA 压缩速度比 DEFLATE 慢 5-10 倍
- ❌ 生态较差：macOS、Windows 默认不解压 7Z（需额外装软件）
- ❌ 文档不全：官方格式说明不够详细，第三方实现容易踩坑
三、RAR：闭源之谜，商业软件的事实标准
RAR 由 Eugene Roshal 于 1993 年发布，格式闭源。RAR5（2013 年）是当前主流版本。
RAR 的特点
- ✅ 压缩率高：RAR5 在大多数数据上压缩率优于 ZIP，略低于 7Z
- ✅ 恢复记录（Recovery Record）：可设置 N% 的冗余数据，文件部分损坏仍能恢复（这是 RAR 独有的"黑科技"）
- ✅ 分卷原生支持：
.part1.rar / .part2.rar是真正的原生分卷 - ✅ 强加密：RAR5 用 AES-256 + HMAC-SHA256
RAR 的局限
- ❌ 闭源格式：无官方规范，靠逆向工程（
unrar是合法的开源实现，但rar编码器是闭源） - ❌ 授权费：商用 RAR 编码器需要购买授权（WinRAR 个人免费，商用收费）
- ❌ 不支持流式压缩：必须先扫描整个文件才能开始压缩
恢复记录原理
原始数据 100 MB
↓
RAR 编码器把数据切块（如 4 KB / 块）
↓
为每块计算 Reed-Solomon 校验码
↓
把校验码按 N% 比例插入输出流（如 N=5%，输出 105 MB）
如果文件损坏 1%，Reed-Solomon 算法可以从校验码恢复原始数据。这是 RAR 适合网盘传输、长期备份的核心原因。
四、TAR：容器，不是压缩
TAR（Tape Archive）1979 年起源于 Unix 备份磁带，是纯粹的容器——只负责把多个文件 + 元数据打包，不做压缩。
TAR 结构
[tar Header 1] [File Data 1]
[tar Header 2] [File Data 2]
...
[tar Header N] [File Data N]
[两个 512 字节全 0 表示结束]
每个 Header 512 字节：
偏移 大小 字段
0 100 文件名
100 8 文件权限
108 8 用户 ID
116 8 组 ID
124 12 文件大小（八进制 ASCII）
136 12 修改时间（八进制 ASCII）
148 8 校验和（checksum）
156 1 类型（普通文件/目录/链接）
157 100 链接目标名
257 6 USTAR 魔数 "ustar"
263 2 USTAR 版本
265 32 用户名
297 32 组名
329 8 设备主编号
337 8 设备次编号
345 155 文件名前缀
TAR + GZ / XZ / ZSTD
因为 TAR 不压缩，日常看到的 .tar.gz / .zwc / .tar.zst 都是先 TAR 打包再用 gzip / xz / zstd 压缩。这种组合在 Linux 生态中几乎是事实标准：
$ tar -cf archive.tar /path/to/dir # 打包
$ gzip archive.tar # 压缩 → archive.tar.gz
$ tar -xzf archive.tar.gz # 一行解压
优势：可以流式处理，无需扫描整个文件；可以用管道串联各种工具。
五、四种格式对比
| 特性 | ZIP | 7Z | RAR5 | TAR + * |
|---|---|---|---|---|
| 压缩率 | ⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 取决于外部算法 |
| 压缩速度 | ⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐ | 取决于外部算法 |
| 解压速度 | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | 取决于外部算法 |
| 多算法支持 | ❌ | ✅ | ❌ | ✅ |
| 强加密 | ⚠️ ZipCrypto 弱 | ✅ AES-256 | ✅ AES-256 | 取决于外部 |
| 恢复记录 | ❌ | ❌ | ✅ | ❌ |
| 流式处理 | ❌ | ❌ | ❌ | ✅ |
| 跨平台 | ✅✅✅ | ✅✅ | ✅✅ | ✅✅✅ |
| 闭源 | ❌ | ❌ | ✅ | ❌ |
六、闪压的多格式支持策略
闪压的压缩包解压不是简单"按扩展名调用外部库"，而是智能识别 + 多算法引擎：
检测到压缩包
↓
魔数嗅探（PK\x03\x04 → ZIP；Rar!\x1a\x07 → RAR；7z\xbc\xaf\x27\x1c → 7Z；ustar → TAR）
↓
解析容器结构（定位中央目录 / 主 Header）
↓
枚举压缩流 + 解码方法
↓
调用对应算法引擎（DEFLATE / LZMA / LZMA2 / PPMd / BZip2 / Zstd）
↓
自动识别文件名编码（GBK / UTF-8 / Shift-JIS / Big5）
↓
并行解压
↓
校验 + 写出
智能编码识别
这是闪压独有的能力——
- 先按 UTF-8 解码文件名字节
- 检测是否包含非法 UTF-8 序列
- 如果有，尝试 GBK / Big5 / Shift-JIS / CP949
- 看哪种编码能正确解码出"可显示的中文 / 日文 / 韩文"
- 用户也可以手动指定编码
这就是为什么你在闪压里解压从老论坛下载的 ZIP 时，中文文件名不再乱码。
七、未来：压缩包格式会消失吗？
短期不会。压缩包作为通用文件交换格式的地位至少还能保持 10 年：
- 网盘分享、软件分发、操作系统包管理（deb / rpm）都依赖它
- 即使云存储流行，本地归档、加密传输、合规备份仍需要压缩包
但长期看，可能会被智能容器取代：
- Content-Addressable Storage（CAS）：用哈希做寻址，每个文件天然去重
- 端到端加密容器：跳过文件系统层，从源头加密（如 Apple Advanced Data Protection）
- 自适应格式：根据网络条件在客户端自动选择算法
到那时，"压缩包"这个概念可能会演化成"安全、可寻址、自适应的内容单元"。
八、写在最后
理解压缩包格式不是为了手写解析器，而是为了：
- 更好地选择工具：跨平台分享选 ZIP / TAR；极致压缩选 7Z；带恢复记录备份选 RAR
- 更好地诊断问题：知道为什么 ZIP 文件名会乱码、为什么 RAR 损坏能修复、为什么 7Z 这么慢
- 更好地理解工具：闪压的智能识别、乱码修复、批量解压背后做了什么
—— 闪压团队 / 技术部
下一篇实战教程将教你 从基础到高级的压缩包解压技巧，敬请期待。