python - 如何计算 tar 文件中每个文件的 shasum

Question

我正在寻找一种方法来计算 tar 文件中包含的每个文件的 sha-256 值。问题是 tar 是 300GB，包含超过 200,000 个文件。

可以通过几种不同的方式在 bash 中执行此操作。

解压然后使用find

tmp=`mktmp --directory extract_XXX`
cd "$tmp"
tar -xf "$tarfile"
find "$tmp" -type f -exec shasum -ba 256 {} +
cd ..
rm -rf "$tmp"

这种方法不好，因为它需要 300GB 空间才能工作，而且速度慢，因为它必须在计算总和之前复制数据

列出 tar 文件并计算各个总和

tar -tf "$tarfile" awk '/\/$/ {next} {print $0}' | while read file ; do
    sum=`tar -xOf "$tarfile" "$file" | shasum -ba 256`
    echo "${sum%-}${file}"
done

这需要较少的磁盘空间但速度要慢得多

如何在不将 tar 文件解压缩到临时目录的情况下一次性完成此操作？

我已将其标记为 bash 和 python...当前代码是 bash，但我对语言很灵活。

Answer 1

tar 实用程序知道它的方式:

tar xvf "$tarfile" --to-command 'shasum -ba 256'

-v 标志很重要，因为 tar 在命令的标准输入中发送每个文件。它会在一行输出文件，在下一行输出 SHA 和，但您可以非常轻松地进一步处理它。

编辑:这里是完整的 shell 代码，用于在单个 tar 文件传递​​中输出 SHA256:

shopt -s extglob
tar xvf "$tarfile" --to-command 'shasum -ba 256' | \
  while read L; do
    [[ $L == *" *-" ]] && echo $SHAFILE ${L:0:64} || SHAFILE=$L
  done

对于 glibc 源码存档，输出如下:

glibc-2.24/.gitattributes c3f8f279e7e7b0020028d06de61274b00b6cb84cfd005a8f380c014ef89ddf48
glibc-2.24/.gitignore 35bcd2a1d99fbb76087dc077b3e754d657118f353c3d76058f6c35c8c7f7abae
glibc-2.24/BUGS 9b2d4b25c8600508e1d148feeaed5da04a13daf988d5854012aebcc37fd84ef6
glibc-2.24/CONFORMANCE 66b6e97c93a2381711f84f34134e8910ef4ee4a8dc55a049a355f3a7582807ec

---

由 OP 编辑​​:

作为单行，这可以完成为:

tar xf "$tarfile" --to-command 'bash -c "sum=`shasum -ba 256`; echo \"\${sum%-}$TAR_FILENAME\""'

或(在 Ubuntu 20.04 及更高版本上):

tar xf "$tarfile" --to-command 'bash -c "sum=`shasum -ba 256 | cut -d \" \" -f 1`; echo \"\${sum%-}$TAR_FILENAME\""'

手册页在这里:https://www.gnu.org/software/tar/manual/tar.html#SEC87