Zlib Gunzip 仅返回部分文件

Question

我有一个 27MB .gz 文件（解压后 127MB）。使用 ruby 的 Zlib 解压缩文件会返回格式正确的数据，但文件被截断为预期大小的一小部分（253,000 行数据中的 1290 行数据）。

string_io = StringIO.new(body)
file = File.new("test.json.gz", "w+")
file.puts string_io.read
file.close

# string_io.read.length == 26_675_650
# File.size("test.json.gz") == 27_738_775

使用GzipReader：

data = ""
File.open(file.path) do |f|
  gz = Zlib::GzipReader.new(f)
  data << gz.read
  gz.close
end
# data.length = 603_537

使用不同的 GzipReader 方法：

data = ""
Zlib::GzipReader.open(file.path) do |gz|
  data << gz.read
end
# data.length == 603_537

使用gunzip：

gz = Zlib.gunzip(string_io.read)
# gz.length == 603_537

预期大小是 127,604,690，但我只能提取 603,537。在我的终端中使用gunzip可以正确提取整个文件，但我正在寻找一种编程方式来处理这个问题。

Answer 1

您是否尝试过使用

Zlib::GzipReader.open()

，而不是打开文件并传递文件处理程序？它记录在这里https://ruby-doc.org/stdlib/libdoc/zlib/rdoc/Zlib/GzipReader.html

我在本地测试并能够得到正确的结果：

data = ''
=> ""

Zlib::GzipReader.open('file.tar.gz') { |gz|
  data << gz.read
}

data.length
=> 750003

然后检查未压缩的文件大小：

gzip -l file.tar.gz                                                                                                                           
  compressed uncompressed  ratio uncompressed_name
      315581       754176  58.1% file.tar

编辑：看到您的更新，您正在通过 S3 API 提取数据。确保在将正文写入文件之前对正文进行 Base64 解码。

Answer 2

还有另一种可能会导致您在这里遇到问题......

AWS 在 S3 中存储的一些 GZip 数据采用的格式旨在一次传输一点。因此，实际上有多个 GZip 块连接在一起形成一个文件。这让 Zip::GzipReader 感到困惑，它希望能够从头到尾读取一个包含一个页眉和一个页脚的 GZip 文件（此处描述了该问题）。

谢天谢地，他们添加了一个相对简单的解决方法。

而不是这个：

data = ""
File.open(file.path) do |f|
  gz = Zlib::GzipReader.new(f)
  data << gz.read
  gz.close
end

这样做：

data = File.open('tmpfile.gz') { |f| Zlib::GzipReader.zcat(f) }