交錯bzip2和非bzip2數據

Question

我正在研究交錯兩種類型的原始字節塊的文件格式。

一個塊將包含一個bzip2壓縮數據塊，其中包含一個包含通常bzip2的頭部（BZh9）。

第二個塊將包含其他感興趣的數據，其中包含一個包含不同幻數（TBD）的標題。

這兩個幻數將用於不同地尋找，識別和處理兩個數據塊類型。

我的問題是：是否有一個神奇的數字，我可以選擇第二個塊類型，這是不可能（或更好，不可能）在bzip2壓縮的字節塊內找到？

換句話說，在壓縮時，是否存在bzip2排除的特定字節，在某些統計閾值內，我可以將其用於同一文件中另一種數據類型的標頭？

一種選擇是，當我找到第二個塊類型的頭字節時，我只會嘗試在第二個塊類型中處理數據，如果處理失敗，那麼我假設我意外地在壓縮的bzip2塊。但是，我想知道是否有可能在bzip2塊中找不到字節，或者不可能找到字節。

Answer 1

編號bzip2壓縮數據可以包含任何字節對，基本上所有字節都具有相同的概率。你所能做的只是將更長的一系列字節定義爲簽名，以減少該系列偶然出現在壓縮數據中的概率。但它仍然可以。

bzip2格式是自我終止的，所以如果你願意花時間解碼bzip2數據，你總能找到下一個東西在哪裏。

要回答評論中的問題，整個bzip2流必然終止在字節邊界上。最後一個字節可能有0到7位零填充。您可以從第二個流組件的開頭向後搜索以查找bzip2結束標記0x177245385090（pi的平方根的前十二位數字），它可以從特定字節中的任何位開始。它會回到80到87位。