rubyzip输出字符串和写入文件的md5sum不同

Question

我使用rubyzip-1.2.0和ruby 2.2.1生成一个包含单个文件的zip文件(在本例中，是一个python脚本(。内容文件不变，生成的zip字符串的md5sum保持不变，但一旦我将zip字符串写入并读取到文件中，长度就会增加，每次的md5sum都不同。无论我使用File.open(zip_file, 'wb') {}还是IO.binwrite(zip_file, zip_string)，都会发生这种情况。

更令人兴奋的是，在OSX上，zip字符串和写入的文件大小不同(当然，md5sum也不同(，但在Ubuntu 14.04上，大小保持一致，md5Sum也不同。

如果我多次不停顿地生成文件，则校验和(通常(是相同的；如果我进入睡眠状态，它们会有所不同，这让我怀疑rubyzip是否在向文件中写入某种时间戳？

我可能只是遗漏了ruby二进制文件处理的一些细微之处。

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

OS X上的输出：

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

Ubuntu 14.04:上的输出

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

有什么解释或变通办法吗？在重写文件之前，我想确保zip文件的内容不同。

已编辑以修复文件md5sum并更新输出。

编辑事实上，rubyzip确实在每个条目中放置了当前时间戳(为什么？(。如果我对其进行猴子补丁，以便操作条目属性，则zip字符串的md5sum将保持不变。

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的md5和：您已经md5了文件名。

长度上的差异可能是由于String#length返回字符串中的码点数，而File.size正在计数字节。String#bytesize方法应返回与文件检查相同的结果。

在我的机器(OS X，ruby 2.3.1(上，zip返回的字符串声称编码为utf-8，这解释了为什么长度与字节数不一样。这个字符串实际上并不是有效的UTF8——我认为这是一个错误。不同的版本或可能与区域设置相关的环境变量导致您的Linux机器没有假装zip数据是UTF8

使用force_encoding将编码更改为ASCII-8BIT可能有助于