一个 tar 命令生成的归档,竟有 8 种解压结果
来源标题:The Hardest Tarball?
开发者构造出 hardest.tar,用单个 GNU tar 命令打包,不同工具解压可产生 8 种不同结果。其手法是把第二个文件存为硬链接并重命名为 café,再在 pax 头里写入 size=512 覆盖硬链接默认的 size=0,而这 512 字节恰好等于一个 tar 头的大小。POSIX 规定 pax 归档中硬链接的数据块“可以包含”,但具体含义并不明确,导致各工具解读分歧。
以下正文由 AI 翻译自 Hacker News(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
有一个有趣的现象:一个用单条 GNU tar 命令就能构造出来的归档文件,根据你使用的工具不同,竟然有 8 种不同的解压结果。
$ printf hello > file
$ touch empty
$ tar --format=pax --pax-option='delete=?time,size:=512'
--transform='s,^./file$,café,'
-cf hardest.tar file ./file empty
它按顺序从三个文件 file、./file、empty 创建出归档文件 hardest.tar,其中 file 被重复了一次,于是 GNU tar 将第二个存为硬链接,而 empty 是空文件。利用第二个条目的唯一路径,这个硬链接被重命名为 café。这会触发 tar 创建一个 pax 头,以 UTF-8 存储文件名。我们给 pax 头添加一条 size=512 记录,覆盖硬链接默认的 size=0。512 这个值并非巧合:它恰好是一个 tar 头的大小。
从视觉上看,这个归档文件具有以下结构,并且基于硬链接能否拥有大小,有两种基本解读。
现在,POSIX 规定 pax 归档中硬链接的数据块“可以包含”,但其含义并不完全清楚。那么,硬链接之后的 512 字节是它的数据,而不是我们归档时 empty 的头?一个硬链接怎么能与它前面的对应文件内容不同?
用知名的 tar 工具和库解压这个归档文件时,得到的结果是我迄今为止遇到的最丰富、最令人惊讶的。以下结果均使用撰写本文时所有软件包的最新版本产生。
这一组在原则上合理:它们忽略硬链接上的大小,解压出 file、它的硬链接 café 以及 empty。
这是 macOS 的系统 tar 工具,在硬链接上“大小”这一概念方面更接近 POSIX 的精神,它把这 512 字节写入硬链接。最终结果是 file 现在包含了 empty 的 tar 头。
这一组与 bsdtar 一致,认为这 512 字节是硬链接的数据,但不把它们写入硬链接。相反,它们跳过这些数据,你最终只得到 file 和 café,没有 empty。
到这里你开始需要更多想象力了。因为 café 包含数据,所以会创建一个单独的文件,其中以数据形式包含 empty 的头,而 file 保持其原始内容。
把 café 变成一个单独的空文件,同时也解压出 empty。为什么不呢?
完全不解压 café,但作为补偿,它在 file 和 empty 旁边创建了一个空目录 PaxHeaders。
R 采用了完全不同的方法:它把 empty 解压为 512 个空字节。它错误地把大小应用到了 empty 而不是硬链接上,而这 512 字节来自归档结束标记。
Haskell 的 tar 本会与 GNU tar 完全一样,只可惜它有字符串解码问题,导致文件 café 在磁盘上变成 café(在 2026 年,这不是你浏览器的渲染问题)。
这些实现直接拒绝了这个 tarball。我认为这是你能做的最好的处理,即便它在技术上并不符合 POSIX。
这个 tarball 是我在测试套件 haampie/tar-minefield 中收集并分类的 134 个棘手 tarball 之一,该套件自上一篇文章以来一直在开发。其网站 https://stoppels.ch/tar 有一张大表格,展示了各实现如何处理所有这些情况,以及每个测试用例的详细信息。本文这个 tarball 的一个变体也作为测试用例收录其中。
如果你想讨论这个问题,请发邮件到 firstname[at]lastname.ch。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。