Go 如何打包与压缩文件

在开始代码之前，我们需要明确打包和压缩的概念。

• 打包，又被称为归档，指的是一个文件或目录的集合，而这个集合被存储在一个文件中。
• 压缩，指的是利用算法将文件进行处理，以达到保留最大文件信息，而让文件体积变小的目的。

以打包工具 tar 为例，通过其打出来的文件通常称为 tar 包，其文件命名通常以 .tar 结尾。再通过其他的压缩工具对 tar 包进行压缩，例如 gzip 压缩，则得到通常以 .tar.gz 结尾命名的压缩文件（在 tar 中可使用 -z 参数来调用gzip）。

tar 包是文件的集合，其结构也是由数据段组成的，每块数据段包含了文件头（描述文件的元信息）和文件内容。

+----------------------------------------+
| Header                                 |
| [name][mode][owner][group][size]  ...  |
+----------------------------------------+
| Content                                |
| XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX|
| XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX|
+----------------------------------------+
| Header                                 |
| [name][mode][owner][group][size]  ...  |
+----------------------------------------+
| Content                                |
| XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX|
| XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX|
+----------------------------------------+
| ...                                     |

archive 库的中文含义是档案，它的作用就是归档（打包）与拆档（解包）。其提供两种方案：tar 与 zip，调用路径分别为archive/tar和archive/zip。

我们以 tar 为例，来展示如何实现文件的打包与解包。

首先，新建目标打包文件为 out.tar，再构造一些文件数据 readme.txt、gopher.txt 和 todo.txt 用于归档。

import (
 "archive/tar"
  ...
）
func main() {
 // Create and add some files to the archive.
 tarPath := "out.tar"
 tarFile, err := os.Create(tarPath)
 if err != nil {
  log.Fatal(err)
 }
 defer tarFile.Close()
 tw := tar.NewWriter(tarFile)
 defer tw.Close()
 var files = []struct {
  Name, Body string
 }{
  {"readme.txt", "This archive contains some text files."},
  {"gopher.txt", "Gopher names:\nGeorge\nGeoffrey\nGonzo"},
  {"todo.txt", "Get animal handling license."},
 }
 ... 
}

接着依次构建文件头信息，分别指定了文件名、权限和大小（可定义更多文件头字段），再通过*tar.Writer类型的 tw 变量，按序调用WriteHeader和Write方法将需要打包的数据段（文件头+文件内容）写入到out.tar文件。

 ...
 for _, file := range files {
  hdr := &tar.Header{
   Name: file.Name,
   Mode: 0600,
   Size: int64(len(file.Body)),
  }
  if err := tw.WriteHeader(hdr); err != nil {
   log.Fatal(err)
  }
  if _, err := tw.Write([]byte(file.Body)); err != nil {
   log.Fatal(err)
  }
 }
}

执行以上代码，将得到打包后的 out.tar 文件，可通过 tar 工具指定 -tvf 参数查看归档信息。

$ tar -tvf out.tar
-rw-------  0 0      0          38 Jan  1  1970 readme.txt
-rw-------  0 0      0          35 Jan  1  1970 gopher.txt
-rw-------  0 0      0          28 Jan  1  1970 todo.txt

可以看到，指定的文件信息（文件名、权限和大小）符合预期，但其他未指定的元信息是有误的，例如日期（直接给的默认值）。

如果通过 tar 工具，我们可以执行以下命令来提取 out.tar 中的文件。

$ tar -xvf out.tar
x readme.txt
x gopher.txt
x todo.txt

但在程序中实现，应该怎么做呢？

func main() {
 tarPath := "out.tar"
 tarFile, err := os.Open(tarPath)
 if err != nil {
  log.Fatal(err)
 }
 defer tarFile.Close()
 tr := tar.NewReader(tarFile)
 for {
  hdr, err := tr.Next()
  // End of archive
  if err == io.EOF {
   break
  }
  if err != nil {
   log.Fatal(err)
  }
  fmt.Printf("Contents of %s: ", hdr.Name)
  if _, err := io.Copy(os.Stdout, tr); err != nil {
   log.Fatal(err)
  }
  fmt.Println()
 }
}

// Output:
Contents of readme.txt: This archive contains some text files.
Contents of gopher.txt: Gopher names:
George
Geoffrey
Gonzo
Contents of todo.txt: Get animal handling license.

首先需要打开 out.tar，并构造*tar.Reader类型的 tr 变量。之后，利用tr.Next依次提取每个数据段内容，并通过 io.Copy(os.Stdout, tr)，将文件内容拷贝至标准输出。直到tr.Next遇到io.EOF，它代表读取到了归档文件末尾，则退出提取。

compress 库中支持了多种压缩方案，包括 bzip2、flate、gzip、lzw 和 zlib，调用路径为compress/xxx。

我们以常用的 gzip 为例，来展示压缩与解压缩代码。

如果同样是上文中的文件数据 readme.txt、gopher.txt 和 todo.txt，我们想得到 tar 归档且被压缩了的 out.tar.gz 文件，应该如何做呢？

package main

import (
 "archive/tar"
 "compress/gzip"
 ...
)

func main() {
 tarPath := "out.tar.gz"
 tarFile, err := os.Create(tarPath)
 if err != nil {
  log.Fatal(err)
 }
 defer tarFile.Close()
 gz := gzip.NewWriter(tarFile)
 defer gz.Close()
 tw := tar.NewWriter(gz)
 defer tw.Close()
 ...
}

非常简单！只需要将tar.NewWriter(tarFile)改为tar.NewWriter(gz)即可，其中gz是由gzip.NewWriter(tarFile) 而来。

我们比较有压缩与无压缩的归档 tar 包大小，可以看到文件体积从4.0K压缩为了224B。

$ ls -alh out.tar out.tar.gz
-rw-r--r--  1 slp  staff   4.0K Jul  3 21:52 out.tar
-rw-r--r--  1 slp  staff   224B Jul  3 21:53 out.tar.gz

同理，如果要解压并解包 out.tar.gz 文件，应该如何做呢？

package main

import (
 "archive/tar"
 "compress/gzip"
  ...
)

func main() {
 tarPath := "out.tar.gz"
 tarFile, err := os.Open(tarPath)
 if err != nil {
  log.Fatal(err)
 }
 defer tarFile.Close()
 gz, err := gzip.NewReader(tarFile)
 if err != nil {
  log.Fatal(err)
 }
  defer gz.Close()
 tr := tar.NewReader(gz)
  ...
}

依然很简单！只需要将tar.NewReader(tarFile)改为tar.NewReader(gz)即可，其中gz是由gzip.NewReader(tarFile) 而来。

本文展示了如何通过archive/tar包实现文件的打包与解包操作，如何通过compress/gzip包对tar包开展进一步的压缩与解压缩。

在展示compress/gzip使用时，多封装一层Writer/Reader，即可为tar归档文件增加压缩与解压缩功能。更棒的是，如果你想切换打包/解包、压缩/解压缩策略，仅仅替换掉对应的 Writer/Reader 即可。而这种便利，源于 Go 优秀的流式 IO 设计。

当然，纸上得来终觉浅，绝知此事要躬行。没有使用过archive和compress库的读者，可以尝试用本文未使用过的方案，来试着处理打包压缩文件。