当前位置:首页 > 文章列表 > Golang > Go教程 > Go zip.Writer.Copy 怎么无解压复制压缩条目

Go zip.Writer.Copy 怎么无解压复制压缩条目

来源:17golang原创 2026-10-06 00:18:35 0浏览 收藏

需要把一个 ZIP 里的若干文件合并到另一个 ZIP 时,直接调用 zip.Writer.Copy 就能保留源条目的原始压缩数据,不必先解压再重新压缩。它适合归档合并、增量打包和只筛选部分条目的场景,但不会替你改名,也不会替你关闭源 Reader 和目标 Writer。

要点速览
  • Writer.Copy 自 Go 1.17 提供,内部走 File.OpenRaw 与 CreateRaw。
  • 复制结果保留源 FileHeader,因此条目名称、压缩方法和尺寸元数据不能按普通 Copy 参数改写。
  • 目标 Writer.Close 必须成功执行,它负责写入中央目录;底层文件不会由它自动关闭。

官方 API 文档:https://pkg.go.dev/archive/zip

Writer.Copy 为什么能避免解压和重新压缩

File.Open 返回的是解压后的内容,适合读取文本或重新生成条目;File.OpenRaw 则直接暴露 ZIP 中已经压缩的字节。Writer.Copy 选择后者,再把同一份头信息交给 CreateRaw,所以不会重新走 Deflate,也不会在复制阶段验证内容校验和。

Go archive zip 中 Reader、File、OpenRaw、Writer.Copy、CreateRaw 与目标 ZIP 的原始压缩字节关系说明图
图1:Writer.Copy 的原始字节关系说明图,不是截图或运行证据。

合并归档时如何筛选并复制条目

下面的示例只复制名称以 reports/ 开头的条目。示例没有运行本地代码,代码展示的是 API 调用边界;真正执行时请把源文件和目标文件替换成自己的路径。

package main

import (
    "archive/zip"
    "fmt"
    "log"
    "os"
    "strings"
)

func main() {
    // 源文件由 OpenReader 管理,读取结束后必须关闭。
    source, err := zip.OpenReader("source.zip")
    if err != nil {
        log.Fatal(err)
    }
    defer source.Close()

    // 目标文件由 os.Create 打开,Writer.Close 不会替它关闭。
    output, err := os.Create("merged.zip")
    if err != nil {
        log.Fatal(err)
    }
    defer output.Close()

    writer := zip.NewWriter(output)
    for _, file := range source.File {
        // 这里只筛选目录前缀,Copy 会保留原条目名称。
        if !strings.HasPrefix(file.Name, "reports/") {
            continue
        }
        if err := writer.Copy(file); err != nil {
            log.Fatalf("复制 %q 失败: %v", file.Name, err)
        }
        fmt.Println("已加入条目:", file.Name)
    }

    // Close 写入中央目录;这个错误不能忽略。
    if err := writer.Close(); err != nil {
        log.Fatal(err)
    }
}

这里的关键不是循环本身,而是没有调用 file.Open() 和 io.Copy。如果业务需要解压内容后重写,才应该选择普通的 Create 或 CreateHeader 路径。

复制、改名和关闭顺序的边界

Writer.Copy(file) 的签名只有一个 *zip.File 参数,所以不能像 Writer.Create("new/name") 一样直接传入新名称。想改名时,需要取出头信息副本,修改副本的 Name,再从 OpenRaw 取得原始数据并写入 CreateRaw。

这条路径要承担更多责任:新名称必须是相对路径并使用正斜杠;原始字节必须和头信息里的压缩方法、CRC32、压缩尺寸及未压缩尺寸匹配;最后仍要调用目标 Writer 的 Close 写入中央目录。只改名称而不改数据,不会触发重新压缩。

Go ZIP 条目 FileHeader、名称、压缩方法、尺寸 CRC、CreateRaw 与中央目录边界说明图
图2:条目元数据与中央目录的边界说明图,不是截图或运行证据。
需求建议接口数据处理注意点
原名原样复制Writer.Copy直接复制原始压缩字节保留源名称与元数据
改名但不解压OpenRaw + CreateRaw手动搬运原始字节校对新名称和头信息
修改内容或压缩级别Open + CreateHeader读取解压内容后重新写入会产生新的压缩结果

常见问题

Writer.Copy 会检查源条目的 CRC 吗?

不会。它的设计就是绕过解压、压缩和验证;若业务必须确认内容完整性,应改用 Open 读取并在业务层处理。

为什么 Writer.Close 报错不能忽略?

中央目录在关闭阶段写入。即使前面的条目复制都返回成功,关闭失败也可能留下不可用的 ZIP。

Copy 后能否覆盖目标 ZIP 里的同名条目?

不能把它当作更新操作。ZIP 允许出现重复名称,Copy 会追加一个条目;如果要定义覆盖规则,应先筛选源条目或重建目标归档。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Redis Vector Set 怎么按相似度过滤结果Redis Vector Set 怎么按相似度过滤结果
上一篇
Redis Vector Set 怎么按相似度过滤结果
Lanerc动漫支持哪些平台?安卓、iOS入口与版本信息核对说明
下一篇
Lanerc动漫支持哪些平台?安卓、iOS入口与版本信息核对说明
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    343次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    403次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    404次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    363次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    185次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码