python – zipfile存档部分的总和不等于其文件大小

TL; DR – 实际问题是我正在处理一些提供存档文件中条目信息的内容,并指定存档中的大小来自哪里.下面的例子与我真正的问题(它有数十万个条目)完全不同,但突出了我遇到的实际问题.我的问题是我的存档中有一个非常重要的大小,但是没有计算(实际上用于压缩的开销是我的猜测).我的存档部分的总和(我所有条目的总压缩大小与它们之间的预期间隔)小于存档的实际大小.如何以一种能够深入了解隐藏开销的方式检查存档？

我在哪里：

我有一个包含三个文件的目录：

> doc.pdf
> cat.jpg
> model.stl

使用免费软件程序,我将它们转储到一个zip文件：demo.zip

使用python我可以很容易地检查这些：

info_list= zipfile.ZipFile('demo.zip').infolist()
for i in info_list:
    print i.orig_filename
    print i.compress_size
    print i.header_offset

使用此信息我们可以获得一些信息.

demo.zip的总大小是84469

压缩大小：

|---------------------|-----------------|---------------|
|      File           | Compressed Size | Header Offset |
|---------------------|-----------------|---------------|
|         doc.pdf     |       21439     |       0       |
|---------------------|-----------------|---------------|
|         cat.jpg     |       48694     |    21495      |
|---------------------|-----------------|---------------|
|       model.stl     |       13870     |    70232      |
|---------------------|-----------------|---------------|

我知道压缩会在条目之间产生一些空间. (因此,先前条目大小的总和与每个条目的标题偏移之间的差异).你可以计算出这个小的’差距’：

gap = offset - previous_entry_size - previous_entry_offset

我可以将我的图表更新为：

|---------------------|-----------------|---------------|---------------|
|      File           | Compressed Size | Header Offset |     'Gap'     |
|---------------------|-----------------|---------------|---------------|
|         doc.pdf     |       21439     |       0       |       0       |
|---------------------|-----------------|---------------|---------------|
|         cat.jpg     |       48694     |    21495      |       56      |
|---------------------|-----------------|---------------|---------------|
|       model.stl     |       13870     |    70232      |       43      |
|---------------------|-----------------|---------------|---------------|

凉.所以现在可以预期demo.zip的大小将等于所有条目的大小和它们的差距的总和. (上例中为84102).

但事实并非如此.所以,显然,压缩需要标题和有关如何发生压缩(以及如何解压缩)的信息.但是我遇到了如何定义或访问有关它的更多信息的问题.

我可以采取84469 – 84102并说?魔术拉链开销?= 367字节.但这似乎不太理想,因为这个数字显然不是魔术.有没有办法检查占用这个空间的底层zip数据？

In [1]: import zipfile

In [2]: z = zipfile.ZipFile('foo.zip','w')

In [3]: z.close()

In [4]: import os

In [5]: os.stat('foo.zip').st_size
Out[5]: 22