Получить список файлов из ZIP

Question

[StMechanus]

Есть байт-код zip файла. Необходимо получить список файлов в архиве. Смотрел спецификацию — пока очень сумбурно все. Решил глянуть код в хекс редакторе, обратил внимание, что все файлы в архиве описаны в конце архива. Вот выдержка из кода тестового архива:

Код:
04 00 00 80 08 00 00 0C 00 18 00 00 00 00 00 00 00 00 00 B4 81 00 00 00 00 50 65 72 73 6F 6E 2E 63 6C 61 73 73 55 54 05 00 03 8A 44 71 52 75 78 0B 00 01 04 E8 03 00 00 04 E8 03 00 00 50 4B 01 02 1E 03 14 00 00 00 08 00 53 71 61 43 77 E4 43 50 16 7D 0A 00 BC C4 0A 00 08 00 18 00 00 00 00 00 00 00 00 00 B4 81 76 04 00 00 74 65 73 74 2E 67 69 66 55 54 05 00 03 3E 9A 73 52 75 78 0B 00 01 04 E8 03 00 00 04 E8 03 00 00 50 4B 05 06 00 00 00 00 02 00 02 00 A0 00 00 00 CE 81 0A 00 00 00

Текстовое представление:

...................´.....Person.classUT....DqRux....è....è...PK..........SqaCwäCP.}..¼Ä..............´.v...test.gifUT...>.sRux....è....è...PK.......... ...Î…

Подскажите, как обработать архив, чтобы получить список файлов в нем

Answer 1

[Алексей Соловей]

Ну и собственно пример выше, разобранный чуть подробнее:

50 4B 03 04 //сигнатура хедера локального файла, читать как 0x04034b50
14 00 // version needed to extract, зависит от фич, использованных при 
      // создании архива, в основном различные алгоритмы сжатия
      // 0x14 соответствует версия 2.0
	
00 00 // general purpose bit flag - свалка различных флагов. Некоторые используются
      // разными алгоритмами, некоторые не используются вообще, некоторые зарезервированы
      
08 00 // метод сжатия, в данном случае Deflate
0D 9D и  5E 43 // DOS-время последней модификации файла, см. структуру FILETIME в WinAPI

33 C3 3A 4D // CRC-32 файла
30 04 00 00 // размер сжатого файла, 1072 байт
80 08 00 00 // размер исходного файла, 2176 байт
0C 00 // совершенно верно, длина имени файла
1C 00 // длина дополнительного поля
50 65 72 73 6F 6E 2E 63 6C 61 73 73 // собственно искомое имя файла. Никакого юникода, старый добрый ASCII

Надеюсь это помогло, если остались вопросы - задавайте, я в своё время немало головной боли помел с зип-файлами.

Answer 2

[mrstrictly]

Как-то так:

import java.io.FileInputStream;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;

public class LsZip {
    public static void main(String[] args) throws Exception {
        byte[] zipBytes = ...;
        ZipInputStream zis = new ZipInputStream(new ByteArrayInputStream(zipBytes));
        ZipEntry entry;
        while ((entry = zis.getNextEntry()) != null) {
            // здесь делайте то, что вам требуется с entry.getName()
        }
    }
}

Answer 3

[lexdevel]

docs.oracle.com/javase/7/docs/api/java/util/zip/ZipFile.html#entries()
www.javamex.com/tutorials/compression/zip_individual_entries.shtml#.UoDGCfnxo3M

Answer 4

[LuckyStarr]

Использовать класс ZipFile. Тут пример.

Answer 5

[betal]

рекомендую hex editor neo
там есть шаблоны популярных форматов, можно понять какой бит за что отвечает.
А так ничего не остается как читать подробную документацию.
По зипу (хотя может с rar путаю) если мне память не изменяет, вначале краткое описание файлов, в конце их содержимое. (где название упоминается не помню, может и в конце)
Причем можно удалить в начале краткое описание конкретного файла (поправив кучу crc), а в конце оставить, получится таким образом скрытый файл.
Готовые библиотеки почему не используете?

Answer 6

[StMechanus]

Уточню, ребят. Я хочу работать с байт кодом напрямую. Очень интересно написать свое решение — так званный тренинг для себя. Просто не получается разобраться в спецификации

Comments

[lexdevel]

А-а, а Вас тут закидали готовыми решениями :)
Ну тогда только спецификации, по другому никак, нужно формат файла знать.
«en.wikipedia.org/wiki/Zip_(file_format)#File_headers» — я бы начал с этого (тут проще описано, чем в самом документе спецификации), со списком файлов проблем быть не должно…

[StMechanus]

Спасибо, буду читать

Answer 7

[StMechanus]

Интересный момент, согласно спецификации header для файла в цетральной дериктории должен соответствовать 0x02014b50, пытался найти такую последовательность байт в нескольких архивах — и соответствий не нашел. Однако, я обратил внимание на последовательность 0х504B0102. Таких последовательностей в архиве ровно столько же сколько и файлов (проверял на нескольких архивах). С чем это может быть связано. Знающие люди, помогите понять

Comments

[betal]

users.cs.jmu.edu/buchhofp/forensics/formats/pkzip.html

[betal]

там какая — то фигня которую лучше меня понимают реверсеры.
Я не помню с чем связано, но это развернутая зеркально побайтово запись, я когда то давно читал и нашел этому логичное объяснение.
т.е. так виднее.
02 01 4b 50
50 4B 01 02

[StMechanus]

Все таки интересно, почему в спецификации написано одно, а на деле же имеем другое

[Алексей Соловей]

Есть такая вещь, как порядок байтов, http://ru.wikipedia.org/wiki/%D0%9F%D0%BE%D1%80%D1%8F%D0%B4%D0%BE%D0%BA_%D0%B1%D0%B0%D0%B9%D1%82%D0%BE%D0%B2 В современных x86 архитектурах принят обратный порядок (т.н. little-endian), то есть если у вас есть четырёхбайтное число 0x02014b50 , то в памяти и на диске оно будет выглядеть как 0x504b0102. Аналогично, если бы было два двухбайтных числа 0x504b и 0x0102, они бы были записаны как 0x4b50 и 0x0102. Собственно из-за этого некоторые предпочитают использовать массив однобайтовых чисел в качестве сигнатуры, т.к. он будет выглядеть одинаково независимо от модели представления.

Answer 8

[StMechanus]

Тоже самое и для local header, должно быть 0х0x04034b50, на деле же имеем 0х504b0304. Опять же количество таких последовательностей равно количеству файлов

Answer 9

[StMechanus]

Продолжение наблюдения: после такой сигнатуры «local header'a» собственно его структура сохраняет свою истенность. Приведу пример.

50 4B 03 04 14 00 00 00 08 00 0D 9D 5E 43 33 C3 3A 4D 30 04 00 00 80 08 00 00 0C 00 1C 00 50 65 72 73 6F 6E 2E 63 6C 61 73 73

Что соответствует такому отображению в хекс редакторе

PK..........^C3Ã:M0...........Person.class

Так вот исходя из формата local header'a, перед именем файла следует 2 байта указывающие длину дополнительного поля, а перед ними 2 байта, указывающее длину имени файла.
Собственно значение 0С (12) соответствует длине имени Person.class

Жду рассуждений на эту тему

Answer 10

[Алексей Соловей]

Судя по комментариям выше, вы уже во всём разобрались (кроме порядка байтов). В целом всё верно, нужно пройтись по всем local file header и достать из них имя. В качестве примера посоветовал бы почитать исодники minizip, входящей в состав zlib.

В частности https://github.com/madler/zlib/blob/master/contrib/minizip/miniunz.c#L234 и подробней о парсинге хедера в https://github.com/madler/zlib/blob/master/contrib/minizip/unzip.c#L1136

Это не Java а C, но, учитывая что вещи довольно низкоуровневые, понять можно.

Answer 11

[Борис Ванин]

Если говорить о разборе метаинфы из джавы, я бы в первую очередь посмотрел на исходник готового решения -- метод создает энтри с основной информацией

Answer 12

[aryank4564]

Learn how to compare two ArrayList in Java