Go 压缩归档 tar PAX 长路径怎样读取

我第一次处理带超长目录层级的 tar 包时，误以为要自己解析 PAX 扩展头，结果把本来已经由标准库整理好的路径又拆了一遍。Go 的正确入口很简单：用 tar.Reader.Next 取条目，完整路径直接读 Header.Name；当前文件内容则继续从同一个 reader 读取。

结论：PAX 长路径不是另一套读取 API。archive/tar 会把路径元数据合并到返回的 Header，业务代码只需要正确消费当前条目，并在落盘前单独做路径边界控制。

官方资料：https://pkg.go.dev/archive/tar

先分清：长路径是 Header 元数据，不是内容前缀

tar 条目有两块需要区分：一块是路径、类型、大小等头部信息，另一块是当前条目的字节流。PAX 用扩展记录承载较长的路径，Reader.Next 返回后，应用层通常只看 Header.Name。不要把 PAX 扩展记录当成需要业务代码再次拼接的“隐藏文件”。

最小配方：Header.Name 直接接住 PAX 长路径

读取循环只做三件事：创建 reader、调用 Next、根据 Header.Name 和 Header.Type 处理条目。下面的示例只打印路径并消费普通文件内容，适合把归档接到索引、校验或下一层解析器。

package main

import (
	"archive/tar"
	"fmt"
	"io"
	"os"
)

func main() {
	f, err := os.Open("bundle.tar")
	if err != nil {
		// 打开失败时直接结束，避免拿无效 reader 继续读取。
		panic(err)
	}
	defer f.Close() // 文件描述符由打开方负责关闭。

	tr := tar.NewReader(f)
	for {
		hdr, err := tr.Next()
		if err == io.EOF {
			break // 没有更多条目。
		}
		if err != nil {
			panic(err) // 归档头损坏或读取失败应交给调用方处理。
		}

		fmt.Printf("name=%q size=%d type=%d\\n", hdr.Name, hdr.Size, hdr.Typeflag)
		if hdr.Typeflag != tar.TypeReg {
			continue // 目录、链接等没有普通文件内容可复制。
		}
		if _, err := io.Copy(io.Discard, tr); err != nil {
			panic(err) // 先消费当前条目，下一次 Next 才能定位到后续条目。
		}
	}
}

这里不需要读取 hdr.PAXRecords["path"] 来重建路径。对普通读取任务，hdr.Name 就是应该展示、索引或进一步检查的路径；hdr.Size 只描述当前条目可读取的内容长度。

几个容易踩坑的变体

• 输入是 tar.gz：先用 gzip.NewReader 解开压缩层，再把 gzip reader 交给 tar.NewReader；PAX 处理仍由 tar reader 负责。
• 只想找一个长路径：匹配 hdr.Name 后复制当前 reader；如果直接调用下一次 Next，未读完的数据会被丢弃。
• 遇到目录或链接：先看 hdr.Typeflag，不要把所有条目都当成可创建的普通文件。
• 担心内存：不要把大条目一次性 io.ReadAll；用 io.Copy 或带上限的 reader 流式处理。

读取和落盘是两件事：长路径也要做安全边界

如果只是读取并展示名称，拿到 Header.Name 就够了；如果要解包到磁盘，不能直接把它拼到目标目录后调用 os.Create。归档名称可能包含绝对路径或父目录跳转，应该先限制为本地相对路径，再决定是否创建文件。

func copyRegularFile(dstDir string, hdr *tar.Header, tr *tar.Reader) error {
	if hdr.Typeflag != tar.TypeReg {
		return nil // 示例只落盘普通文件，目录和链接交给专门策略。
	}
	if !filepath.IsLocal(hdr.Name) {
		return fmt.Errorf("拒绝非本地路径: %q", hdr.Name) // 防止跳出目标目录。
	}

	dst := filepath.Join(dstDir, hdr.Name)
	if err := os.MkdirAll(filepath.Dir(dst), 0o755); err != nil {
		return err // 先准备长路径对应的父目录。
	}
	f, err := os.OpenFile(dst, os.O_CREATE|os.O_WRONLY|os.O_TRUNC, 0o644)
	if err != nil {
		return err
	}
	defer f.Close() // 输出文件由本函数负责关闭。
	_, err = io.Copy(f, tr) // 流式复制，不把整条目放进内存。
	return err
}

完整工程代码还需要补上 fmt、io、os 和 path/filepath 的导入。这个片段的重点不是“长路径自动安全”，而是把 PAX 解析、条目类型判断、路径约束和内容写入分成四个明确责任。

速查与相关问题

tar.gz 里的 PAX 路径需要单独解析吗？

不需要。gzip 只负责外层解压，解压后的数据交给 archive/tar，仍然通过 Header.Name 获取路径。

长路径读取失败时先查哪里？

先确认循环没有把 PAX 记录当成业务文件，再检查是否在调用下一次 Next 前错误地复用了或提前关闭了底层 reader。