В современном мире обмен данными‚ резервное копирование и распределение программного обеспечения почти невозможно без файловых архивов. Архив – это контейнер‚ в котором несколько файлов (и иногда папок) упакованы в один единый файл с целью экономии места‚ упрощения передачи и обеспечения целостности данных.

Что такое файловый архив?

Файловый архив – это структурированный набор данных‚ в котором хранится информация о каждом вложенном файле: его имя‚ путь‚ размер‚ временные метки‚ атрибуты и‚ конечно‚ сжатые (или несжатые) данные.

Основные задачи архивов:

• Уменьшение объёма данных за счёт сжатия;
• Объединение нескольких файлов в один контейнер;
• Сохранение и передача метаданных (права доступа‚ даты создания и т.д.);
• Обеспечение целостности (контрольные суммы‚ CRC‚ хеши).

Популярные форматы архивов

Существует множество форматов‚ каждый из которых имеет свои особенности структуры и способы адресации файлов.

Как внутри архива адресуется каждый файл?

3.1 Общие принципы

Любой архив хранит метаданные о вложенных файлах. Основные поля‚ которые позволяют «найти» файл внутри архива:

• Путь (address) – относительный путь от корня архива (например‚ docs/report.pdf).
• Смещение (offset) – позиция в байтах от начала архива до начала сжатых данных файла.
• Размер (compressed / uncompressed) – сколько байт занимает файл в архиве и в оригинальном виде.
• Контрольные суммы – CRC‑32‚ SHA‑1 и т.п.‚ используемые для проверки целостности.

3.2 Пример: ZIP‑архив

1. В начале архива находятся локальные заголовки (Local File Header) каждого файла. В них указаны имя файла и смещение до его данных.
2. После всех файлов следует центральный каталог (Central Directory). Он содержит полные записи о каждом файле‚ включая абсолютное смещение (relative offset of local header).
3. Последняя запись – конец центрального каталога (End of Central Directory Record)‚ где хранится указатель на начало каталога.

Таким образом‚ чтобы получить доступ к файлу images/logo.png‚ программа читает конец архива‚ находит запись в центральном каталоге‚ получает смещение до локального заголовка и уже оттуда читает сжатые данные.

3.3 Пример: TAR‑архив

В TAR‑архиве каждый файл описывается 512‑байтовым заголовком‚ сразу за которым идут его данные (возможно‚ выровненные до 512‑байтовой границы). Адрес файла – это просто позиция заголовка в потоке. Нет отдельного индекса‚ поэтому для поиска требуется последовательный проход по архиву.

Как работать с адресами файлов программно?

4.1 На уровне командной строки

• unzip -l archive.zip – выводит список файлов с их путями и размерами.
• tar -tvf archive.tar – аналогичный вывод для TAR.
• 7z l archive.7z – список файлов в 7z‑архиве.

4.2 На уровне кода (пример на Python)

import zipfile

with zipfile.ZipFile('example.zip'‚ 'r') as z:
 for info in z.infolist:
 print(f'Путь: {info.filename}')
 print(f'Размер (исходный): {info.file_size} байт')
 print(f'Размер (сжатый): {info.compress_size} байт')
 print(f'Смещение в архиве: {info.header_offset} байт')
 print('-' * 40)

Объект ZipInfo содержит поле header_offset‚ которое указывает на позицию локального заголовка – фактический «адрес» файла внутри архива.

4.3 Принцип «потокового» доступа

Для больших архивов часто используют потоковое чтение без полной распаковки:

• Библиотеки libarchive‚ SharpCompress позволяют читать отдельные файлы по их пути.
• В некоторых форматах (например‚ RAR) поддерживается solid compression – файлы сжаты в один поток‚ и доступ к отдельному файлу требует распаковки всех предшествующих.

Лучшие практики при работе с архивами

1. Явно указывайте пути. Не используйте абсолютные пути (например‚ C: empile.txt) – они могут стать уязвимостью (zip‑slip).
2. Проверяйте контрольные суммы. После распаковки сравнивайте CRC‑32 или SHA‑256 с тем‚ что хранится в архиве.
3. Используйте современные форматы (ZIP64‚ 7z‚ RAR5) для поддержки файлов более 4 ГБ.
4. Не храните чувствительные данные без шифрования. Форматы вроде 7z поддерживают AES‑256.
5. Соблюдайте совместимость. Если архив будет использоваться в разных ОС‚ избегайте символов‚ не поддерживаемых в именах файлов (например‚ «:»‚ «*»).

Часто задаваемые вопросы

6.1 Как узнать‚ какой формат у неизвестного архива?

Большинство форматов имеют «магические числа» в начале файла:

• ZIP – 50 4B 03 04
• RAR – 52 61 72 21 1A 07 00 (RAR 4) или 52 61 72 5A 58 00 (RAR 5)
• 7z – 37 7A BC AF 27 1C
• TAR – нет уникального сигнатурного кода‚ но часто встречаются блоки 512‑байтовых заголовков.

6.2 Что такое «solid archive» и как это влияет на адресацию?

В solid‑архиве несколько файлов сжаты в один общий поток. Это повышает степень сжатия‚ но делает невозможным прямой доступ к отдельному файлу без декодирования всех предшествующих. В таком случае «адрес» файла – это позиция внутри потока‚ а не отдельный смещение.

6.3 Как защититься от уязвимости Zip Slip?

При извлечении проверяйте‚ что путь файла не выходит за пределы целевой директории:

import os‚ zipfile

def safe_extract(zip_path‚ dest_dir):
 with zipfile.ZipFile(zip_path) as z:
 for member in z.infolist:
 member_path = os.path.abspath(os.path.join(dest_dir‚ member.filename))
 if not member_path.startswith(os.path.abspath(dest_dir)):
 raise Exception('Attempted Path Traversal Attack')
 z.extract(member‚ dest_dir)

Файловые архивы – это не просто «упакованные» файлы‚ а сложные структуры‚ в которых каждый вложенный объект имеет свой адрес (путь + смещение) и набор метаданных. Понимание внутренней организации форматов (ZIP‚ RAR‚ 7z‚ TAR) позволяет эффективно работать с большими наборами данных‚ писать собственные инструменты и обеспечивать безопасность при работе с внешними архивами.

Помните‚ что правильное использование адресов файлов внутри архива – залог надёжного и быстрого доступа к данным.