Чтение TAR-файлов в C++

#define ASCII_TO_NUMBER(num) ((num)-48) //Преобразует ASCII-цифру в соответствующее число

/**
 * Декодирует восьмеричное число TAR.
 * Игнорирует всё после первого символа NUL или пробела.
 * @param data Указатель на восьмерично-кодированное поле длиной size байт
 * @param size Размер поля, на которое указывает указатель data
 * @return
 */
static uint64_t decodeTarOctal(char* data, size_t size = 12) {
    unsigned char* currentPtr = (unsigned char*) data + size;
    uint64_t sum = 0;
    uint64_t currentMultiplier = 1;
    //Пропускаем всё после последнего символа NUL/пробела
    //В некоторых TAR-архивах поле размера содержит NUL/пробелы не только в конце, поэтому это необходимо
    unsigned char* checkPtr = currentPtr; //Используется для проверки, где находится последний символ NUL/пробел
    for (; checkPtr >= (unsigned char*) data; checkPtr--) {
        if ((*checkPtr) == 0 || (*checkPtr) == ' ') {
            currentPtr = checkPtr - 1;
        }
    }
    for (; currentPtr >= (unsigned char*) data; currentPtr--) {
        sum += ASCII_TO_NUMBER(*currentPtr) * currentMultiplier;
        currentMultiplier *= 8;
    }
    return sum;
}

struct TARFileHeader {
    char filename[100]; //Завершается NUL
    char mode[8];
    char uid[8];
    char gid[8];
    char fileSize[12];
    char lastModification[12];
    char checksum[8];
    char typeFlag; //Также называется индикатором ссылки для формата не-UStar
    char linkedFileName[100];
    //Поля, специфичные для UStar -- заполнены NUL в версии, отличной от USTAR
    char ustarIndicator[6]; //"ustar" -- 6-й символ может быть NUL, но результаты показывают, что это не обязательно
    char ustarVersion[2]; //00
    char ownerUserName[32];
    char ownerGroupName[32];
    char deviceMajorNumber[8];
    char deviceMinorNumber[8];
    char filenamePrefix[155];
    char padding[12]; //Ничего интересного, но важно для контрольной суммы

    /**
     * @return true, если и только если
     */
    bool isUSTAR() {
        return (memcmp("ustar", ustarIndicator, 5) == 0);
    }

    /**
     * @return Размер файла в байтах
     */
    size_t getFileSize() {
        return decodeTarOctal(fileSize);
    }

    /**
     * Возвращает true, если и только если контрольная сумма заголовка корректна
     * @return
     */
    bool checkChecksum() {
        //Нам нужно обнулить контрольную сумму
        char originalChecksum[8];
        memcpy(originalChecksum, checksum, 8);
        memset(checksum, ' ', 8);
        //Вычисляем контрольную сумму -- как знаковую, так и беззнаковую
        int64_t unsignedSum = 0;
        int64_t signedSum = 0;
        for (int i = 0; i < sizeof (TARFileHeader); i++) {
            unsignedSum += ((unsigned char*) this)[i];
            signedSum += ((signed char*) this)[i];
        }
        //Копируем контрольную сумму обратно
        memcpy(checksum, originalChecksum, 8);
        //Декодируем исходную контрольную сумму
        uint64_t referenceChecksum = decodeTarOctal(originalChecksum);
        return (referenceChecksum == unsignedSum || referenceChecksum == signedSum);
    }
};

/**
 * Чтение TAR-файла в C++
 * Пример кода
 *
 * (C) Uli Köhler 2013
 * Лицензия CC-By 3.0 Germany: http://creativecommons.org/licenses/by/3.0/de/legalcode
 *
 * Компиляция:
 *   g++ -o cpptar cpptar.cpp -lboost_iostreams -lz -lbz2
 */
#include <cstdlib>
#include <cassert>
#include <cstdio>
#include <fstream>
#include <cmath>
#include <iostream>
#include <boost/iostreams/device/file.hpp>
#include <boost/iostreams/filtering_stream.hpp>
#include <boost/iostreams/filter/gzip.hpp>
#include <boost/iostreams/filter/bzip2.hpp>
//Проверка расширений файлов
#include <boost/algorithm/string.hpp>

using namespace std;
using namespace boost::iostreams;

#define ASCII_TO_NUMBER(num) ((num)-48) //Преобразует ASCII-цифру в соответствующее число (предполагается, что это ASCII-цифра)

/**
 * Декодирует восьмеричное число TAR.
 * Игнорирует всё после первого символа NUL или пробела.
 * @param data Указатель на восьмерично-кодированное поле длиной size байт
 * @param size Размер поля, на которое указывает указатель data
 * @return
 */
static uint64_t decodeTarOctal(char* data, size_t size = 12) {
    unsigned char* currentPtr = (unsigned char*) data + size;
    uint64_t sum = 0;
    uint64_t currentMultiplier = 1;
    //Пропускаем всё после последнего символа NUL/пробела
    //В некоторых TAR-архивах поле размера содержит NUL/пробелы не только в конце, поэтому это необходимо
    unsigned char* checkPtr = currentPtr; //Используется для проверки, где находится последний символ NUL/пробел
    for (; checkPtr >= (unsigned char*) data; checkPtr--) {
        if ((*checkPtr) == 0 || (*checkPtr) == ' ') {
            currentPtr = checkPtr - 1;
        }
    }
    for (; currentPtr >= (unsigned char*) data; currentPtr--) {
        sum += ASCII_TO_NUMBER(*currentPtr) * currentMultiplier;
        currentMultiplier *= 8;
    }
    return sum;
}

struct TARFileHeader {
    char filename[100]; //Завершается NUL
    char mode[8];
    char uid[8];
    char gid[8];
    char fileSize[12];
    char lastModification[12];
    char checksum[8];
    char typeFlag; //Также называется индикатором ссылки для формата не-UStar
    char linkedFileName[100];
    //Поля, специфичные для UStar -- заполнены NUL в версии, отличной от USTAR
    char ustarIndicator[6]; //"ustar" -- 6-й символ может быть NUL, но результаты показывают, что это не обязательно
    char ustarVersion[2]; //00
    char ownerUserName[32];
    char ownerGroupName[32];
    char deviceMajorNumber[8];
    char deviceMinorNumber[8];
    char filenamePrefix[155];
    char padding[12]; //Ничего интересного, но важно для контрольной суммы

    /**
     * @return true, если и только если
     */
    bool isUSTAR() {
        return (memcmp("ustar", ustarIndicator, 5) == 0);
    }

    /**
     * @return Размер файла в байтах
     */
    size_t getFileSize() {
        return decodeTarOctal(fileSize);
    }

    /**
     * Возвращает true, если и только если контрольная сумма заголовка корректна
     * @return
     */
    bool checkChecksum() {
        //Нам нужно обнулить контрольную сумму
        char originalChecksum[8];
        memcpy(originalChecksum, checksum, 8);
        memset(checksum, ' ', 8);
        //Вычисляем контрольную сумму -- как знаковую, так и беззнаковую
        int64_t unsignedSum = 0;
        int64_t signedSum = 0;
        for (int i = 0; i < sizeof (TARFileHeader); i++) {
            unsignedSum += ((unsigned char*) this)[i];
            signedSum += ((signed char*) this)[i];
        }
        //Копируем контрольную сумму обратно
        memcpy(checksum, originalChecksum, 8);
        //Декодируем исходную контрольную сумму
        uint64_t referenceChecksum = decodeTarOctal(originalChecksum);
        return (referenceChecksum == unsignedSum || referenceChecksum == signedSum);
    }
};

int main(int argc, char** argv) {
    if (argc < 2) {
        cerr << "Usage: " << argv[0] << " <TAR archive>" << endl;
        return 1;
    }
    ifstream fin(argv[1], ios_base::in | ios_base::binary);
    filtering_istream in;
    //В зависимости от формата сжатия выбираем правильный декомпрессор
    string filename(argv[1]);
    if (boost::algorithm::iends_with(filename, ".gz")) {
        in.push(gzip_decompressor());
    } else if (boost::algorithm::iends_with(filename, ".bz2")) {
        in.push(bzip2_decompressor());
    } else if (boost::algorithm::iends_with(filename, ".tar")) {
        //Фильтр декомпрессии не нужен
    } else {
        cerr << "Unknown file suffix: " << filename << endl;
        return 1;
    }
    in.push(fin);
    //Инициализируем заполненный нулями блок для сравнения (заполненный нулями блок заголовка --> конец TAR-архива)
    char zeroBlock[512];
    memset(zeroBlock, 0, 512);
    //Начинаем чтение
    bool nextEntryHasLongName = false;
    while (in) { //Останавливаемся, если достигнут конец файла или произошла любая ошибка
        TARFileHeader currentFileHeader;
        //Читаем заголовок файла.
        in.read((char*) &currentFileHeader, 512);
    //Когда найден блок, состоящий только из нулей, TAR-архив заканчивается здесь
    if(memcmp(&currentFileHeader, zeroBlock, 512) == 0) {
        cout << "Found TAR end\n";
        break;
    }
    //Раскомментируйте это для проверки всех контрольных сумм заголовков
    //Кажется, в интернете есть TAR-файлы, в которых отдельные заголовки не соответствуют контрольной сумме, даже если большинство заголовков соответствуют.
    //Это может указывать на ошибку в коде.
    //assert(currentFileHeader.checkChecksum());

        //Раскомментируйте это для проверки USTAR, если вам нужны функции USTAR
        //assert(currentFileHeader.isUSTAR());

        //Преобразуем имя файла в std::string для упрощения обработки
    //Имена файлов длиной 100+ требуют специальной обработки
    // (только USTAR поддерживает имена файлов длиной 101+ символов, но в архивах, отличных от USTAR, префикс равен 0 и поэтому игнорируется)
        string filename(currentFileHeader.filename, min((size_t)100, strlen(currentFileHeader.filename)));
    //---Удалите следующий блок, если вы не хотите поддерживать длинные имена файлов---
    size_t prefixLength = strlen(currentFileHeader.filenamePrefix);
    if(prefixLength > 0) { //Если есть префикс имени файла, добавляем его к строке. См. `man ustar`LON
        filename = string(currentFileHeader.filenamePrefix, min((size_t)155, prefixLength)) + "/" + filename; //ограничение min: Не требуется спецификацией, но мы хотим быть в безопасности
    }
        //Игнорируем директории, обрабатываем только обычные файлы (символические ссылки в настоящее время полностью игнорируются и могут вызывать ошибки)
        if (currentFileHeader.typeFlag == '0' || currentFileHeader.typeFlag == 0) { //Обычный файл
        //Обработка длинных имён файлов GNU TAR -- текущий блок содержит только имя файла, тогда как следующий блок содержит метаданные
        if(nextEntryHasLongName) {
        //Устанавливаем имя файла из текущего заголовка
        filename = string(currentFileHeader.filename);
        //Следующий заголовок содержит метаданные, поэтому заменяем заголовок перед чтением метаданных
        in.read((char*) &currentFileHeader, 512);
        //Сбрасываем флаг длинного имени
        nextEntryHasLongName = false;
        }
        //Теперь метаданные в текущем заголовке файла корректны -- мы можем читать значения.
            size_t size = currentFileHeader.getFileSize();
            //Записываем в лог, что найден файл
            cout << "Found file '" << filename << "' (" << size << " bytes)\n";
            //Читаем файл в память
            //  Это не будет работать для очень больших файлов -- используйте потоковые методы!
            char* fileData = new char[size + 1]; //+1: Добавляем завершающий NUL, чтобы можно было интерпретировать файл как cstring (можно удалить, если не используется)
            in.read(fileData, size);
            //-------Поместите код для обработки содержимого файла здесь---------
            delete[] fileData;
            //В tar-архиве для каждого файла используются целые 512-байтовые блоки
            //Поэтому теперь нам нужно пропустить дополняющие байты.
            size_t paddingBytes = (512 - (size % 512)) % 512; //Какой длины должно быть дополнение до 512 байт
            //Просто игнорируем дополнение
            in.ignore(paddingBytes);
    //----Удалите ветки else if и else, если вы хотите обрабатывать только обычные файлы---
        } else if (currentFileHeader.typeFlag == '5') { //Директория
        //В настоящее время длинные имена директорий обрабатываются некорректно
            cout << "Found directory '" << filename << "'\n";
        } else if(currentFileHeader.typeFlag == 'L') {
        nextEntryHasLongName = true;
    } else {
        //Ни обычный файл, ни директория (символическая ссылка и т.д.) -- в настоящее время игнорируется без уведомления
        cout << "Found unhandled TAR Entry type " << currentFileHeader.typeFlag << "\n";
    }
    }
    //Очистка
    fin.close();
}