非圧縮サイズの大きなGZIPPEDファイルを処理する最速の方法

ファイルをgzipで圧縮すると、特に非圧縮ファイルのサイズが4 GBを超える場合に、非圧縮ファイルサイズが何であるかを（圧縮解除せずに）すばやく照会する方法があります。

RFC https://tools.ietf.org/html/rfc1952#page-5によると、ファイルの最後の4バイトを照会できますが、非圧縮ファイルが> 4GBの場合、値は単にuncompressed value modulo 2^32

この値はを実行して取得することもできますがgunzip -l foo.gz、uncompressed value modulo 2^32上記のようにフッターを読み込んでいると考えられるため、「uncompressed」列には再び含まれています。

最初に解凍せずに非圧縮ファイルサイズを取得する方法があるかどうか疑問に思っていましたが、これはgzipされたファイルに50GB以上のデータが含まれ、次のような方法を使用して解凍するのに時間がかかる場合に特に便利です gzcat foo.gz | wc -c

編集： 4GBの制限は、OSXに含まれるユーティリティのmanページで公に認められていますgzip（Apple gzip 242）

  BUGS
    According to RFC 1952, the recorded file size is stored in a 32-bit
    integer, therefore, it can not represent files larger than 4GB. This
    limitation also applies to -l option of gzip utility.

最速の方法はgzip、冗長モードでのテストが解凍されたバイト数を出力するように変更することだと思います。私のシステムでは、7761108684バイトのファイルで、

% time gzip -tv test.gz
test.gz:     OK (7761108684 bytes)
gzip -tv test.gz  44.19s user 0.79s system 100% cpu 44.919 total

% time zcat test.gz| wc -c
7761108684
zcat test.gz  45.51s user 1.54s system 100% cpu 46.987 total
wc -c  0.09s user 1.46s system 3% cpu 46.987 total

gzip（1.6、Debianで利用可能）を変更するためのパッチは次のとおりです。

--- a/gzip.c
+++ b/gzip.c
@@ -61,6 +61,7 @@
 #include <stdbool.h>
 #include <sys/stat.h>
 #include <errno.h>
+#include <inttypes.h>

 #include "closein.h"
 #include "tailor.h"
@@ -694,7 +695,7 @@

     if (verbose) {
         if (test) {
-            fprintf(stderr, " OK\n");
+            fprintf(stderr, " OK (%jd bytes)\n", (intmax_t) bytes_out);

         } else if (!decompress) {
             display_ratio(bytes_in-(bytes_out-header_bytes), bytes_in, stderr);
@@ -901,7 +902,7 @@
     /* Display statistics */
     if(verbose) {
         if (test) {
-            fprintf(stderr, " OK");
+            fprintf(stderr, " OK (%jd bytes)", (intmax_t) bytes_out);
         } else if (decompress) {
             display_ratio(bytes_out-(bytes_in-header_bytes), bytes_out,stderr);
         } else {

あなたはファイルの圧縮ファイルまたはセットのサイズが必要な場合は、あなたの最善の策は使用することがあるtar -zかtar -jの代わりgzipとしてtar非圧縮ファイルのサイズが含まれています。lesspipeファイルのリストを覗くために使用：

aptitude install lesspipe
lesspipe <compressed file> | less

もしless使用するように設定されてlesspipe：

less <compressed file>

ただし、非常に長い時間がかかる可能性があることに留意してください。ただし、システムは応答性を維持するため、解凍プロセスを強制終了できます。

別のアプローチは、圧縮率をログに記録し、代わりにその[text]ファイルをクエリすることです。

gzip --verbose file 2>&1 | tee file.gz.log
file:    64.5% -- replaced with file.gz

ただし、実際のファイルサイズを見つけるには計算が必要です。

を使用して同じことを行うこともできますtar。これは、実際には、たとえばファイルサイズまたは名前のみを取得するために解凍プロセス全体を実行することを防ぐため、大きなサイズのバックアップで行います。

どう？

gzip -l file.gz|tail -n1|awk '{print $2}'

numfmt --to=iec $(gzip -l file.gz|tail -n1|awk '{print $2}')

gunzip -c $file | wc -c

これには長い時間がかかりますが、最終的なサイズはバイト単位で表示されます。