Linux命令之压缩文件(gzip、bzip2、xz)
本文将会学到的命令
- gzip
- bzip2
- xz
文件压缩的原理
目前我们使用的计算机系统都是使用所谓的bytes单位来计量的，不过事实上，计算机最小的计量单位应该是bits才对。此外，我们知道1 byte = 8 bits。但是，如果今天我们只是记忆一个数字 1 ，电脑会如何记录呢，由于 1 byte = 8 bits，所以每个byte当中会有8个空格，而每个空格可以是0,1，由于我们记录的数字是1，考虑计算机所谓的二进制，如此一来，1会在最右边占据1个bit，而其他的7个bits将会自动的被填上0，其实那7个bits应该是空的才对，不过，为了满足目前我们的操作系统数据的存取，所以就会将该数据转为byte的形态来记录。而一些聪明的计算机工程师就利用一些复杂的计算方式，将这些没有用到的空间丢出来，以让文件占用的空间变小，这就是压缩的技术。
另外一种压缩技术是将重复的数据进行统计记录。举例来说，如果数据为[1111…]共有100个1时，那么压缩技术就会记录为“100个1”而不是真的有100个1的位存在，这样也能够精简文件的大小。
简单来说，就是文件里面有很多没有使用的空间存在，并不是完全填满的，而压缩的技术就是将这些空间填满，以让整个文件占用的大小下降。
不过这些压缩过的文件并不能被操作系统直接使用，因此，若要使用这些被压缩过的文件数据，则必须将他还原回未压缩前的模样，这就是所谓的解压缩。
压缩后与压缩的文件所占用的磁盘空间大小，就可以被称为压缩比
压缩操作最大的好处就是压缩过的文件容量变小了
常见的压缩指令
由于Linux支持的压缩指令非常多，且不同的指令所用的压缩技术并不相同，所以彼此之间可能就无法互通压缩/解压缩文件。所以为不同指令压缩出来的文件指定不同的后缀名以区分。
常见的扩展名
- .Z：compress程序压缩的文件
- .zip：zip程序压缩的文件
- .gz：gzip程序压缩的文件
- .bz2：bzip2程序压缩的文件
- .xz：xz程序压缩的文件
- .tar：tar程序打包的数据，并没有压缩过
- .tar.gz：tar程序打包的数据，经过gzip压缩过
- .tar.bz2：tar程序打包的数据，经过bzip2压缩过
- .tar.xz：tar程序打包的文件，经过xz压缩过
##gzip ,zcat/zmore/zless/zgrep
gzip可以解开compress，zip与gzip等软件所压缩的文件。至于gzip所建立的压缩文件为*.gz的文件名。
gzip命令的常用参数如下：
- -c：将压缩的数据输出到屏幕上，可透过数据流重导向来处理
- -d：解压缩的参数
- -t：可以用来检验一个压缩文件的一致性，看看文件有没有错误
- -v：可以显示出原文件/压缩文件的压缩比等信息
- -#：#是数字的意思，代表压缩等级，-1最快，但是压缩比最差，-9最慢，但是压缩比最好，预设是-6
以下是gzip的使用示例
#1.找出/etc底下（不含子目录）容量最大的文件，并将它复制到/tmp，然后以gzip压缩
[test@fgr ~]$ ls -ldSr /etc/*
。。。
-rw-r--r--. 1 root root 51787 5月 15 2013 /etc/mime.types
-rw-r--r--. 1 root root 91171 4月 19 15:05 /etc/ld.so.cache
-rw-r--r--. 1 root root 670293 6月 7 2013 /etc/services
[test@fgr ~]$ cd /tmp
[test@fgr tmp]$ cp /etc/services .
[test@fgr tmp]$ gzip -v services
services: 79.7% -- replaced with services.gz
[test@fgr tmp]$ ll /etc/services /tmp/services*
-rw-r--r--. 1 root root 670293 6月 7 2013 /etc/services
-rw-r--r--. 1 test test 136088 4月 19 18:44 /tmp/services.gz
当使用gzip进行压缩时，在默认情况下原本的文件会被压缩为.gz的文件名，原文件就不在存在了。
#2.由于services是文本文件，所以可以使用zcat、zmore、zless、zgrep读取其中的内容
[test@fgr tmp]$ zless services.gz
# /etc/services:
# $Id: services,v 1.55 2013/04/14 ovasik Exp $
#
# Network services, Internet style
# IANA services version: last updated 2013-04-10
#
# Note that it is presently the policy of IANA to assign a single well-known
# port number for both TCP and UDP; hence, most entries here have two entries
# even if the protocol doesn't support UDP operations.
# Updated from RFC 1700, ``Assigned Numbers'' (October 1994). Not all ports
# are included, only the more common ones.
#
# The latest IANA port assignments can be gotten from
# http://www.iana.org/assignments/port-numbers
# The Well Known Ports are those from 0 through 1023.
# The Registered Ports are those from 1024 through 49151
# The Dynamic and/or Private Ports are those from 49152 through 65535
#
# Each line describes one service, and is of the form:
#
# service-name port/protocol [aliases ...] [# comment]
tcpmux 1/tcp # TCP port service multiplexer
tcpmux 1/udp # TCP port service multiplexer
rje 5/tcp # Remote Job Entry
rje 5/udp # Remote Job Entry
echo 7/tcp
echo 7/udp
discard 9/tcp sink null
discard 9/udp sink null
systat 11/tcp users
systat 11/udp users
daytime 13/tcp
daytime 13/udp
qotd 17/tcp quote
qotd 17/udp quote
msp 18/tcp # message send protocol (historic)
msp 18/udp # message send protocol (historic)
chargen 19/tcp ttytst source
chargen 19/udp ttytst source
ftp-data 20/tcp
ftp-data 20/udp
# 21 is registered to ftp, but also used by fsp
ftp 21/tcp
ftp 21/udp fsp fspd
ssh 22/tcp # The Secure Shell (SSH) Protocol
ssh 22/udp # The Secure Shell (SSH) Protocol
telnet 23/t
#3.将services.gz解压缩
[test@fgr tmp]$ gzip -d services.gz
#与gzip相反，gzip -d 会将原本的.gz删除，恢复到原本的services文件
#4.使用最佳压缩比压缩services 并且保留原文件
[test@fgr tmp]$ gzip -9 -c services > services.gz
#5.在services.gz中找出http这个关键字在哪几行
[test@fgr tmp]$ zgrep -n 'http' services.gz
14:# http://www.iana.org/assignments/port-numbers
89:http 80/tcp www www-http # WorldWideWeb HTTP
90:http 80/udp www www-http # HyperText Transfer Protocol
91:http 80/sctp # HyperText Transfer Protocol
。。。
在第四个示例中，重点在于-c与>的使用，-c可以将原本要转成压缩文件的资料内容变成文字类型从屏幕输出，然后通过>符号，将原本应该由屏幕输出的数据，转成输出到文件，所以就能够建立出压缩文件了。只是文件名要自己写。
bzip2，bzcat/bzmore/bzless/bzgrep
bzip2的压缩比比gzip还要好，使用方法也和gzip差不多。
下面看一下bzip2的常用参数：
- -c：将压缩的数据输出到屏幕上，可透过数据流重导向来处理
- -d：解压缩的参数
- -k：保留原文件，而不会删除原始文件
- -z：研所的参数（默认值，可以不加）
- -v：可以显示出原文件/压缩文件的压缩比等信息
- -#：#是数字的意思，代表压缩等级，-1最快，但是压缩比最差，-9最慢，但是压缩比最好，预设是-6
以下是bzip2的使用示例：
#1.压缩/tmp/services
[test@fgr tmp]$ bzip2 -v services
services: 5.409:1, 1.479 bits/byte, 81.51% saved, 670293 in, 123932 out.
[test@fgr tmp]$ ls -l services*
-rw-r--r--. 1 test test 123932 4月 19 18:44 services.bz2
-rw-rw-r--. 1 test test 135489 4月 19 18:56 services.gz
#可以看到bzip2的压缩比81%比gzip的79%要高
#2.读取services.bz2的内容
[test@fgr tmp]$ bzmore services.bz2
------> services.bz2 <------
# /etc/services:
# $Id: services,v 1.55 2013/04/14 ovasik Exp $
#
# Network services, Internet style
# IANA services version: last updated 2013-04-10
#
# Note that it is presently the policy of IANA to assign a single well-known
# port number for both TCP and UDP; hence, most entries here have two entries
# even if the protocol doesn't support UDP operations.
# Updated from RFC 1700, ``Assigned Numbers'' (October 1994). Not all ports
# are included, only the more common ones.
#
# The latest IANA port assignments can be gotten from
# http://www.iana.org/assignments/port-numbers
# The Well Known Ports are those from 0 through 1023.
# The Registered Ports are those from 1024 through 49151
# The Dynamic and/or Private Ports are those from 49152 through 65535
#
# Each line describes one service, and is of the form:
#
# service-name port/protocol [aliases ...] [# comment]
tcpmux 1/tcp # TCP port service multiplexer
tcpmux 1/udp # TCP port service multiplexer
rje 5/tcp # Remote Job Entry
rje 5/udp # Remote Job Entry
echo 7/tcp
echo 7/udp
discard 9/tcp sink null
discard 9/udp sink null
systat 11/tcp users
systat 11/udp users
daytime 13/tcp
daytime 13/udp
qotd 17/tcp quote
qotd 17/udp quote
msp 18/tcp # message send protocol (historic)
msp 18/udp # message send protocol (historic)
chargen 19/tcp ttytst source
chargen 19/udp ttytst source
ftp-data 20/tcp
ftp-data 20/udp
# 21 is registered to ftp, but also used by fsp
ftp 21/tcp
ftp 21/udp fsp fspd
ssh 22/tcp # The Secure Shell (SSH) Protocol
ssh 22/udp # The Secure Shell (SSH) Protocol
telnet 23/tcp
#3.解压缩services.bz2
[test@fgr tmp]$ bzip2 -d services.bz2
[test@fgr tmp]$ ls -l services*
-rw-r--r--. 1 test test 670293 4月 19 18:44 services
-rw-rw-r--. 1 test test 135489 4月 19 18:56 services.gz
#4.以最佳压缩比压缩services，并保留原文件
[test@fgr tmp]$ bzip2 -9 -k services
[test@fgr tmp]$ ls -l services*
-rw-r--r--. 1 test test 670293 4月 19 18:44 services
-rw-r--r--. 1 test test 123932 4月 19 18:44 services.bz2
-rw-rw-r--. 1 test test 135489 4月 19 18:56 services.gz
xz，xzcat/xzmore/xzless/xzgrep
虽然bzip2已经具有很高的压缩比，但是xz的压缩比要更高，用法也和前两者几乎一模一样。
xz的常用参数为：
- -c：将压缩的数据输出到屏幕上，可透过数据流重导向来处理
- -d：解压缩的参数
- -k：保留原文件，而不会删除原始文件
- -t：测试压缩文件的完整性，看有没有错误
- -l：累出压缩文件的相关信息
- -#：#是数字的意思，代表压缩等级，-1最快，但是压缩比最差，-9最慢，但是压缩比最好，预设是-6
以下是xz的使用示例：
#1.压缩/tmp/services
[test@fgr tmp]$ xz -v services
services (1/1)
100 % 97.3 KiB / 654.6 KiB = 0.149
[test@fgr tmp]$ ls -l services*
-rw-r--r--. 1 test test 123932 4月 19 18:44 services.bz2
-rw-rw-r--. 1 test test 135489 4月 19 18:56 services.gz
-rw-r--r--. 1 test test 99608 4月 19 18:44 services.xz
#2.列出这个压缩文件的信息，然后读取这个压缩文件的内容
[test@fgr tmp]$ xz -l services.xz
Strms Blocks Compressed Uncompressed Ratio Check Filename
1 1 97.3 KiB 654.6 KiB 0.149 CRC64 services.xz
#3.读取压缩文件的内容
[test@fgr tmp]$ xzgrep -n ' 1/tcp' services.xz
23:tcpmux 1/tcp # TCP port service multiplexer
#4.解压缩这个文件
[test@fgr tmp]$ xz -d services.xz
[test@fgr tmp]$ ls -l services*
-rw-r--r--. 1 test test 670293 4月 19 18:44 services
-rw-r--r--. 1 test test 123932 4月 19 18:44 services.bz2
-rw-rw-r--. 1 test test 135489 4月 19 18:56 services.gz
#5.压缩文件并保留原文件
[test@fgr tmp]$ xz -k services
[test@fgr tmp]$ ls -l services*
-rw-r--r--. 1 test test 670293 4月 19 18:44 services
-rw-r--r--. 1 test test 123932 4月 19 18:44 services.bz2
-rw-rw-r--. 1 test test 135489 4月 19 18:56 services.gz
-rw-r--r--. 1 test test 99608 4月 19 18:44 services.xz
最后如果你想要以最快速度压缩文件建议使用gzip，如果你要求的是最高的压缩比那么xz是很好的选择。