Tar是Unix平台下非常流行的打包格式，该格式不负责压缩，只负责打包。简而言之，Tar就是将各个文件和文件夹，简单的组合成一个文件，使之可以按照标准还原成原来的多个文件。

文件结构

Tar的文件结构十分简单，前边提到，Tar只是简单的将多个文件或文件夹组合，除了文件本身的数据，Tar还会使用“标头”来记录文件名、文件属性、大小等信息。拥有了这些信息，再加上文件本身的数据，便可以将打包前的文件及其目录结构还原出来。

所以，Tar的结构如图所示：

image.png

上图中是一个内包含两个文件的Tar包。

如何解析他？

Tar包有一个标准，其中的所有数据大小都是512字节的倍数，其中标头规定为512个字节，文件数据规定必须为512的倍数，若不足，则在末尾补0。知道了这一规范，我们就至少能得到第一个文件的标头了，在此标头中记录了该文件的大小，也就是数据部分的长度。根据这个长度，在标头后就可以取出该文件的数据，此时第一个文件就可以正常取出了。

第二个文件呢？

当第一个文件正常取出后，我们已经知道了第一个文件数据的末尾在整个Tar包的什么位置，但别忘了，所有文件数据都应当是512字节的倍数，若不足则补0，那么我们得到第一个文件数据的末尾后，还要根据此规则计算，得出文件数据真正的末尾是什么，然后从此位置开始，便可以读取第二个文件的标头。

以此类推，我们便可以解析出整个Tar文件的所有内容。大家可能对这种结构非常熟悉，其实这就是类似的链表结构，但不同的是它的每个节点在存储上也是连续的。

文件名过长的问题

以上是Tar包的基本结构，目前我们已知的一个重要内容就是标头的长度为512个字节。

让我们单独聊聊这部分。在GNU的代码实现中，标头的结构如下：

struct posix_header

{ /* byte offset */

char name[100]; /* 0 */

char mode[8]; /* 100 */

char uid[8]; /* 108 */

char gid[8]; /* 116 */

char size[12]; /* 124 */

char mtime[12]; /* 136 */

char chksum[8]; /* 148 */

char typeflag; /* 156 */

char linkname[100]; /* 157 */

char magic[6]; /* 257 */

char version[2]; /* 263 */

char uname[32]; /* 265 */

char gname[32]; /* 297 */

char devmajor[8]; /* 329 */

char devminor[8]; /* 337 */

char prefix[155]; /* 345 */

/* 500 */

};

我们暂时不必了解其中的每一项代表什么含义，只需要关注以下几项：

name：文件名（路径）。

size：文件大小（文件数据部分的尺寸）。

typeflag：类型标志，标志该节点是一个普通文件，还是软连接抑或是目录等。

你可能注意到，name占用了100个字节，这意味着文件路径将被限制在100个英文字符，若其中包含中文，那更少。但操作系统所支持的文件名长度要远远大于这个限制。所以不得不面对的问题是，超出的话怎么办？

我找了很久发现了GNU方案对该问题的解决办法：当遇到超长文件名时，在文件节点（包括标头和数据）之前，加入一个特殊节点，该节点标志了下一个节点存在一个超长的文件名，并且该节点的数据部分就是下一个节点的文件名。这么描述可能有点乱，我们画个图：

image.png

图中表示了一个拥有超长文件名的文件在Tar中的存储方式。简而言之就是将文件名以文件数据的形式存储在上一个节点中。

这样就解决了文件名长度限制的问题，其中linkname是软连接的目标路径，同样也是用这种方案解决。

最后

其实思考后可以发现，该标准中似乎存在一些不必要的地方，例如，除了要求标头长度为512字节之外，数据长度为什么也必须是512的倍数，如果不做此要求，程序照样可以通过size来定位到下一个节点。

目前来说这种规范确实没必要，但是最初tar并不是设计给计算机系统的，而是设计给磁带使用，正如他的名字（Tar：磁带），这些古老的硬件设备由他们本身的限制，这些问题也被历史保留了下来。

本篇文章中唯一的代码段，此段代码是 Paul Eggert eggert@cs.ucla.edu 在26年前提交的，那时候我应该还不叫这个名字（还在上辈子）。