ruby​​zip輸出字符串和寫入文件的md5sum不同

Question

我使用rubyzip-1.2.0與ruby 2.2.1來生成包含單個文件（本例中爲python腳本）的zip文件。內容文件不會改變，並且生成的zip字符串的md5sum保持不變，但是一旦我寫入並讀取zip文件到文件，長度會增加，並且md5sum每次都會有所不同。無論我使用File.open(zip_file, 'wb') {}還是IO.binwrite(zip_file, zip_string)，都會發生這種情況。

爲了增加興奮度，在OS X上，壓縮字符串和寫入的文件大小不同（當然，md5sum不同），但在Ubuntu 14.04上，大小保持一致，並且md5sum不同。

如果我多次生成文件而沒有暫停，校驗和（通常）是相同的;如果我進入睡眠狀態，它們會有所不同，這讓我懷疑rubyzip是否正在爲文件寫入某種時間戳？

我可能只是缺少一些ruby二進制文件處理的細微差別。

require 'zip' 
require 'digest' 

def update_zip_file(source_file) 
    zip_file = source_file.sub(/py$/, 'zip') 
    new_zip = create_lambda_zip_file(source_file) 
    puts "Zip string length: #{new_zip.length}" 
    md5_string = Digest::MD5.new 
    md5_string.update IO.binread(zip_file) 
    puts "Zip string MD5: #{md5_string.hexdigest}" 
    File.open(zip_file, 'wb') do |f| 
    puts "Updating #{zip_file}" 
    f.write new_zip 
    end 
    puts "New file size: #{File.size(zip_file)}" 
    md5_file_new = Digest::MD5.new 
    md5_file_new.update IO.binread(zip_file) 
    puts "New file MD5: #{md5_file_new.hexdigest}" 
end 

def create_lambda_zip_file(source_file) 
    zip_file = source_file.sub(/py$/, 'zip') 
    zip = Zip::OutputStream.write_buffer do |zio| 
    zio.put_next_entry(File.basename(source_file)) 
    zio << File.read(source_file) 
    end 
    zip.string 
end 

(1..3).each do 
    update_zip_file('test.py') 
    sleep 2 
end 

輸出在OS X：

Zip string length: 973 
Zip string MD5: 2578d03cecf9539b046fb6993a87c6fd 
Updating test.zip 
New file size: 1019 
New file MD5: 03e0aa2d345cac9731d1482d2674fc1e 
Zip string length: 973 
Zip string MD5: 03e0aa2d345cac9731d1482d2674fc1e 
Updating test.zip 
New file size: 1019 
New file MD5: bb6fca23d13f1e2dfa01f93ba1e2cd16 
Zip string length: 973 
Zip string MD5: bb6fca23d13f1e2dfa01f93ba1e2cd16 
Updating test.zip 
New file size: 1019 
New file MD5: 3d27653fa1662375de9aa4b6d2a49358 

輸出在Ubuntu 14.04：

Zip string length: 1020 
Zip string MD5: 4a6f5c33b420360fed44c83f079202ce 
Updating test.zip 
New file size: 1020 
New file MD5: 0cd8a123fe7f73be0175b02f38615572 
Zip string length: 1020 
Zip string MD5: 0cd8a123fe7f73be0175b02f38615572 
Updating test.zip 
New file size: 1020 
New file MD5: 0a010e0ae0d75e5cde0c4c4ae098d436 
Zip string length: 1020 
Zip string MD5: 0a010e0ae0d75e5cde0c4c4ae098d436 
Updating test.zip 
New file size: 1020 
New file MD5: e91ca00a43ccf505039a9d70604e184c 

任何解釋或解決方法嗎？我想在重寫文件之前確保zip文件內容不同。

編輯修復文件md5sum和更新輸出。

編輯 事實上，rubyzip確實把每個條目中的當前時間戳（爲什麼？）。如果我猴子補丁，所以我可以操縱條目屬性，zip字符串的md5sum將保持不變。

module Zip 
    class OutputStream 
    attr_accessor :entry_set 
    end 

    class Entry 
    attr_accessor :time 
    end 
end 

... 

def create_lambda_zip_file(source_file) 
    zip_file = source_file.sub(/py$/, 'zip') 
    zip = Zip::OutputStream.write_buffer do |zio| 
    zio.put_next_entry(File.basename(source_file)) 
    zio << File.read(source_file) 
    zio.entry_set.each {|e| puts e.time = Zip::DOSTime.at(File.mtime(source_file).to_i)} 
    end 
    zip.string 
end 

Answer 1

8caba7d65b81501f3b65eca199c28ace是test.zip md5值：你md5'd的文件名。

長度的差異可能是由於String#length返回字符串中的碼點數，而File.size是計數字節。 String#bytesize方法應該返回與文件檢查相同的結果。

在我的機器上（OS X，ruby 2.3.1）從zip返回的字符串聲稱具有utf-8編碼，這解釋了爲什麼長度與字節數不一致。該字符串實際上並不是有效的UTF8 - 但我認爲這是一個錯誤。無論是不同的版本，或者可能與語言環境相關的環境變量導致你的Linux機器不是假裝的壓縮數據是UTF8

使用force_encoding改變編碼ASCII-8BIT可以幫助