C# GZipStream在大文件上悄悄失败，流以2GB结束

我在使用

GZipStream

解压（30GB压缩文本，480GB未压缩）流过早结束时遇到问题。没有引发异常，只是

gz.Read（）

开始返回零：

using(var gz = new GZipStream(File.Open("freebase-rdf-latest.gz", FileMode.Open), CompressionMode.Decompress))
{
    var buffer = new byte[1048576];
    int read, total = 0;
    while ((read = gz.Read(buffer, 0, buffer.Length)) > 0)
        total += read;

    // total is 1945715682 here
    // subsequent reads return 0
}

该文件可以与其他应用程序一起解压（我尝试了gzip和7zip）

四处嗅探，我在以前版本的

GZipStream类可能无法解压缩导致错误的数据 在超过8 GB的未压缩数据中

该注释已在最新版本的文档中删除。我使用的是.NET4.5.2，对我来说，流在解压缩了不到2GB后就结束了

有人更了解这个限制吗？文档中的语言暗示了其他的先决条件，而不仅仅是解包超过8gb的文件——我相当确定我过去使用过GZipStream来处理非常大的文件，而没有碰到这个问题

还有，有谁能推荐一个替代GZipStream的drop-in，我可以用它代替System.IO.Compression吗

更新

我尝试用Ionic.Zlib（DotNetZip）替换System.IO.Compression，得到了相同的结果

我尝试了ICSharpCode.SharpZipLib的GZipInputStream，第一次读取时就得到了“未知块类型6”

我尝试了SevenZipSharp，但是没有用于读取的流装饰器-只有各种阻塞“提取”方法来解压整个流，这不是我想要的

另一次更新

下面的代码使用zlib1.dll正确解压整个文件。它也可以在GZipStream的四分之一时间内完成

var gzFile = gzopen("freebase-rdf-latest.gz", "rb");

var buffer = new byte[1048576];
int read, total = 0;
while ((read = gzread(gzFile, buffer, buffer.Length)) > 0)
    total += read;

[DllImport("zlib1")] IntPtr gzopen(string path, string mode);
[DllImport("zlib1")] int gzread(IntPtr gzFile, byte[] buf, int len);
[DllImport("zlib1")] int gzclose(IntPtr gzFile);

---

…因此，显然.NET中所有现有的GZip库都存在与zlib的兼容性问题。我使用的zlib1.dll来自我的mingw64目录（我的机器上大约有十几个zlib1.dll，但这是唯一的64位）。对于大文件，您不应该使用流读取器：

        var buffer = new byte[1024 * 1024];
        using (var gz = new GZipStream(new FileStream("freebase-rdf-latest.gz", FileMode.Open), CompressionMode.Decompress))            
        {
            var bytesRead = 0;
            while (bytesRead < buffer.Length)
            {
                bytesRead = gz.Read(buffer, 0, buffer.Length);
                Console.WriteLine(bytesRead);
            }
        }

var buffer=新字节[1024*1024]；
使用（var gz=new GZipStream（new FileStream（“freebase rdf latest.gz”，FileMode.Open），CompressionMode.Decompress））
{
var bytesRead=0；
while（字节读取<缓冲区长度）
{
bytesRead=gz.Read（buffer，0，buffer.Length）；
控制台写入线（字节读取）；
}
}

我有点晚了，但我已经找到了这个问题的原因和解决方案

这个大文件不仅包含一个gzip流，而且正好包含200个流。（每个gzip流的压缩大小：150-155MB）

第一个“gzip文件”使用可选的额外字段来描述所有压缩的gzip流的长度。许多解压器不支持这种流式风格，只解码第一个条目。（150 MB->2 GB）

1.：readheader方法：（抱歉，如果看起来像黑客风格：-）

需要一些时间（30-40分钟），但它可以工作！（无外部LIB）

速度：解压数据速率约为200 MB/s

---

如果没有什么改动，应该可以使用多线程。

我不知道，但是当我将StreamReader与GZipStream一起使用时，我会遇到问题。如果没有StreamReader，问题是可以重现的。编译时您是x86还是x64？你也可以看看吗？它在引擎盖下使用zlib。不过，我不确定DeflateStream是否适用于您正在使用的内容。@AdamSears x64但我尝试了32位，但没有任何区别。我刚采用了zlib，就从这个角度出发了，但我很高兴有人终于揭开了谜底，谢谢！谢谢，这让我开始发疯了。相同的文件，不同的语言（Ruby），相同的问题。如果有人偶然发现了它并使用了UNIX，可以通过将

gzipreder.open（file）{code>更改为
IO.popen（[“/usr/bin/gzcat”，file]）{f |…}
来解决。
static long[] ReadGzipLengths(Stream stream)
{
  if (!stream.CanSeek || !stream.CanRead) return null; // can seek and read?

  int fieldBytes;
  if (stream.ReadByte() == 0x1f && stream.ReadByte() == 0x8b // gzip magic-code
      && stream.ReadByte() == 0x08 // deflate-mode
      && stream.ReadByte() == 0x04 // flagged: has extra-field
      && stream.ReadByte() + stream.ReadByte() + stream.ReadByte() + stream.ReadByte() >= 0 // unix timestamp (ignored)
      && stream.ReadByte() == 0x00 // extra-flag: sould be zero
      && stream.ReadByte() >= 0 // OS-Type (ignored)
      && (fieldBytes = stream.ReadByte() + stream.ReadByte() * 256 - 4) > 0 // length of extra-field (subtract 4 bytes field-header)
      && stream.ReadByte() == 0x53 && stream.ReadByte() == 0x5a // field-header: must be "SZ" (mean: gzip-sizes as uint32-values)
      && stream.ReadByte() + stream.ReadByte() * 256 == fieldBytes // should have same length
    )
  {
    var buf = new byte[fieldBytes];
    if (stream.Read(buf, 0, fieldBytes) == fieldBytes && fieldBytes % 4 == 0)
    {
      var result = new long[fieldBytes / 4];
      for (int i = 0; i < result.Length; i++) result[i] = BitConverter.ToUInt32(buf, i * sizeof(uint));
      stream.Position = 0; // reset stream-position
      return result;
    }
  }

  // --- fallback for normal gzip-files or unknown structures ---
  stream.Position = 0; // reset stream-position
  return new[] { stream.Length }; // return single default-length
}

static void Main(string[] args)
{
  using (var fileStream = File.OpenRead(@"freebase-rdf-latest.gz"))
  {
    long[] gzipLengths = ReadGzipLengths(fileStream);
    long gzipOffset = 0;

    var buffer = new byte[1048576];
    long total = 0;

    foreach (long gzipLength in gzipLengths)
    {
      fileStream.Position = gzipOffset;

      using (var gz = new GZipStream(fileStream, CompressionMode.Decompress, true)) // true <- don't close FileStream at Dispose()
      {
        int read;
        while ((read = gz.Read(buffer, 0, buffer.Length)) > 0) total += read;
      }

      gzipOffset += gzipLength;

      Console.WriteLine("Uncompressed Bytes: {0:N0} ({1:N2} %)", total, gzipOffset * 100.0 / fileStream.Length);
    }
  }
}

Uncompressed Bytes: 1.945.715.682 (0,47 %)
Uncompressed Bytes: 3.946.888.647 (0,96 %)
Uncompressed Bytes: 5.945.104.284 (1,44 %)
...
...
Uncompressed Bytes: 421.322.787.031 (99,05 %)
Uncompressed Bytes: 423.295.620.069 (99,53 %)
Uncompressed Bytes: 425.229.008.315 (100,00 %)