确定两个 rar 文件是否属于同一组答案

【问题标题】：Determining if two rar files are part of the same set确定两个 rar 文件是否属于同一组
【发布时间】：2014-01-04 21:40:55
【问题描述】：

假设我有两个文件，(name).n.rar 和 (name).n+1.rar，它们似乎是同一组的一部分（相同大小等）。有没有什么简单的方法来判断它们是否实际上是同一集合的一部分，而无需先下载完整集合？目前我能判断的唯一方法是下载每个文件的实例，然后查看 WinRAR 在我尝试解包时是否给我一个错误。

（在相关说明中，假设有这样的方法，我可以在没有相邻部分的情况下做同样的事情吗？）

理想情况下，有一个现有的程序可以做到这一点，但如果需要，我可以自己编写代码。

补充说明：这是同一文件的两组档案。它们看起来与明显的检查相同：文件名是后续的，内容是合理的，大小相同，部分数量相同。然后我会收到一整套文件。如果它们不是来自同一组，我无法解压缩它们 - 尽管 WinRAR 似乎会在给我 CRC 错误（文件损坏）之前进入 100%。

【问题讨论】：

标签： rar winrar

【解决方案1】：

我对 RAR 格式不太熟悉，但如果您决定用 Java 编写程序，我建议您使用 7-Zip-JBinding。

您可以下载存档的前 n+1 部分，然后调用 extract() 方法忽略输出数据只关心

IArchiveExtractCallback.setOperationResult(ExtractOperationResult)

调用（检查 CRC 是否正常）并监控文件是否打开

IArchiveOpenVolumeCallback.getStream(java.lang.String)

如果请求第 n+2 卷，您可以断定第 n+1 卷是正确的。（我不是 100% 确定这个结论，但我会试一试）

【讨论】：

嗯...我让 WinRAR 浏览了整个文件，确定它 100% 完成，然后告诉我文件已损坏 - 我有理由相信这是因为我得到混合部分，而不是因为原始文件已损坏。（虽然，实际上，那是一个 zip 文件，所以 RAR 可能更合理......）
如果您的存档中有一个大文件，则可能会发生这种情况。但即便如此，只要您传递整个错误的卷，您就会收到 RAR 提取引擎报告的 CRC 错误。
对不起？我不确定我是否理解。
想法是，您只需开始提取过程，将您的卷传递给提取器。传递错误的卷会触发 CRC 错误，您会通过IArchiveExtractCallback.setOperationResult(ExtractOperationResult) 回调得到报告。 100% 确定，您可以将所有卷传递给提取器，并在最后的回调中期待 OK。
哦，我明白了。是的，这可能会奏效——我会试试的。顺便说一句 - CRC 代表什么，你知道吗？

【解决方案2】：

新答案

所有测试均使用 WinRAR 5.01 32 位。由于算法应保持不变，因此以下陈述应适用于任何其他先前版本。如果您知道这不是真的，请随时发表评论。

我将简要介绍一下聊天。我多次尝试打包大于 1GB 的文件；然后我混合了文件并尝试提取档案：它起作用了。问题不在于文件的大小。

我想到了三个可能的解决方案：

架构在打包过程中受到影响：因此不同的人尝试打包文件，将它们混合会导致错误；
不同的人尝试打包文件，给出的文件大小略有不同（例如 250 MB 和 250000 KB）。不过，这会在文件属性中注意到；
文件在下载过程中损坏：重新下载它们将证实这一假设。

我对第一个问题最好奇：架构会影响包装过程吗？

我发现答案是是的，是的。以下是重复实验的段落：

在计算机A中将您的文件打包成一个档案，给出精确的部分尺寸；
在计算机B中打包完全相同的文件，给出完全相同的零件尺寸（TODO: 检查此实验在类似架构下是否仍然有效，例如 Intel i7 和 Intel i5）在不同架构下（例如 Intel 处理器和 AMD 处理器）；
将一个（或多个，如果您愿意，但当然不是全部！）部件从计算机 B 转移到计算机 A。请记住在A 在传输之前从计算机中删除这些文件；
将所有文件放在同一目录下，检查它们是否都具有相同的名称（例如“AAA part1”、“AAA part2”...）；
提取它们；
享受您的 CRC 错误！。

使用 Intel i7-3632QM 和 AMD FX 6300 进行测试。

我有一些怀疑，压缩文件是一样的，但是CRC码不一样。

旧答案

确实有办法。在我的计算机科学学术学习期间，我们有一个计算机取证课。我了解到每个文件都有一个静态的开头（我们可以说是一个标题），这使程序能够识别它的类型以及解密它的方式。要查看它，您只需使用文本编辑器打开它（我猜 Notepad++ 是迄今为止最好的）

例如，jpeg 图片以ÿØÿá 开头。

我尝试将视频存储在一些拆分的 .rar 文件中，但知道它们是否属于同一个存档比我想象的要简单。

每个 rar 文件都以 Rar! 开头。在第二行或第三行，它应该显示存储在存档中的文件的名称：在我的例子中，myVideo.mp4。如果您的所有档案都包含该文件名，那么它们可能是同一个档案的一部分。

如果存档中有多个文件并且您不知道它们的名称，情况会变得更糟。其实如果有多个文件，RAR文件结构如下：

文件 1：

Rar!
NUL NUL NUL //Random things here
NUL NUL NUL NUL NUL myVideo.mp4 NUL NUL NUL NUL
//Random things here. If the dimensions of the file exceed the archive,
//the next file will begin with the same name.
//Let's assume that this is happening.
EOF

文件 2：

Rar!
NUL NUL NUL //Random things here
NUL NUL myVideo.mp4 NUL NUL NUL
//This time the file is complete. Since there is still space in the archive,
//it will add another file
NUL NUL NUL NUL mySecondVideo.mp4 NUL NUL NUL NUL
EOF

假设在第二个存档结束时，mySecondVideo 尚未完全压缩。

文件 3：

Rar!
NUL NUL NUL
NUL NUL NUL NUL mySecondVideo.mp4 NUL
NUL NUL NUL
NUL myTextFile.txt
NUL NUL NUL mySecondTextFile.txt NUL
EOF

如果 mySecondTextFile.txt 尚未完全压缩，我的第四个文件将以其名称开头。

我希望它很清楚，我试图让它尽可能简单。如果文件更多，我会从最后一个存档开始。我会记下在该文件中找到的第一个文件名，然后在前一个文件中进行搜索。如果我找到那个名字，我会重复这个序列直到第一个存档。

【讨论】：

这就是问题所在。假设我有一个 1GB 的大文件。我把它分成了两次，分成两组 250MB 的块。现在我从每组中挑选一件。除非我真的很不走运，否则这是行不通的——我将无法重建文件。但是，列出的文件名在每个文件的开头都是相同的。
我不太明白这个问题。也许我错过了一点。如果将单个 1 GB 文件放入这四个（？）部分中，则每个部分的开头将始终具有相同的文件名。这是最简单的情况，因为您只需要检查每个部分的文件名是否相同。
是的 - 但文件不会以相同的方式拆分两次。如果我将相同的单个 1GB 文件打包成四个部分两次，我每次都不会得到完全相同的文件，如果我在它们之间混合和匹配，我将无法解压缩它们。
好的，我知道了。我会考虑的！
我在解开同一文件的不同集合时没有问题。我想每次零件都按照相同的精确算法进行拆分。我正在使用 WinRAR 5.01 32 位。您是如何压缩和拆分文件的？