c# - 为什么我的C#gzip生成的文件比Fiddler或PHP大？

Question

如果我gzip此文本：
你好，世界
通过使用此代码：

Stream stream = new MemoryStream(Encoding.Default.GetBytes("Hello World"));
var compressedMemoryStream = new MemoryStream();
using (var gzipStream = new GZipStream(compressedMemoryStream, CompressionMode.Compress))
{
    stream.CopyTo(gzipStream);  
    gzipStream.Close(); 
} 

结果流的长度为133字节
通过fiddler的 Utilities.GzipCompress或 this PHP page运行相同的字符串，结果只有31字节长。
在这两种情况下，输入都是11个字节，因此我可以想象php结果是正确的，但显然这意味着我不能从.net中解压缩php zip，反之亦然。为什么.NET的输出要大得多？
事实上，虽然php和fiddler的结果是相同的长度，但它们并不相同。我可以在.net中解压php版本，但不能解压fiddler版本。php页面将这三个页面都解压缩，因此fiddler和.net的gzip实现之间可能存在不兼容。
根据要求，我已经将三个输出上传到dropbox here。
这些是这些文件的原始hexdump（不确定它们是否真的有这样的用途，但我认为这表明fiddler和php版本之间的区别在于头部，而不是压缩数据本身）：
小提琴手：

0000-0010:  1f 8b 08 00-c2 e6 ff 4f-00 ff f3 48-cd c9 c9 57  .......O ...H...W
0000-001f:  08 cf 2f ca-49 01 00 56-b1 17 4a 0b-00 00 00     ../.I..V ..J....

菲律宾比索：

0000-0010:  1f 8b 08 00-00 00 00 00-00 03 f3 48-cd c9 c9 57  ........ ...H...W
0000-001f:  08 cf 2f ca-49 01 00 56-b1 17 4a 0b-00 00 00     ../.I..V ..J....

C：

0000-0010:  1f 8b 08 00-00 00 00 00-04 00 ec bd-07 60 1c 49  ........ .....`.I
0000-0020:  96 25 26 2f-6d ca 7b 7f-4a f5 4a d7-e0 74 a1 08  .%&/m.{. J.J..t..
0000-0030:  80 60 13 24-d8 90 40 10-ec c1 88 cd-e6 92 ec 1d  .`.$..@. ........
0000-0040:  69 47 23 29-ab 2a 81 ca-65 56 65 5d-66 16 40 cc  iG#).*.. eVe]f.@.
0000-0050:  ed 9d bc f7-de 7b ef bd-f7 de 7b ef-bd f7 ba 3b  .....{.. ..{....;
0000-0060:  9d 4e 27 f7-df ff 3f 5c-66 64 01 6c-f6 ce 4a da  .N'...?\ fd.l..J.
0000-0070:  c9 9e 21 80-aa c8 1f 3f-7e 7c 1f 3f-22 be 9d 97  ..!....? ~|.?"...
0000-0080:  65 95 7e b7-aa cb d9 ff-13 00 00 ff-ff 56 b1 17  e.~..... .....V..
0000-0085:  4a 0b 00 00-00

Answer 1

序言：.net用户在任何情况下都不应该使用微软提供的gzipstream或deflatestream类，除非微软完全用有效的东西替换它们。改为使用DotNetZip library。
前言更新：.net framework 4.5及更高版本修复了压缩问题，gzipstream和deflatestream在这些版本中使用zlib。我不知道下面提到的crc问题是否已经修复。
另一个更新：crc问题不仅没有解决，而且微软已经决定他们won't fixit！
这是gzipstream中的几个bug之一。任何自尊心强的gzip压缩器都不应该从11字节的输入中产生133字节的输出。请参见Why does BCL GZipStream (with StreamReader) not reliably detect Data Errors with CRC32?上的我的评论。
内部发生的情况是，gzipstream没有使用静态方法或存储方法，这两种方法都会生成与输入数据大小相同的压缩数据（上面会添加18字节的gzip头和尾）。相反，它使用的是动态方法，该方法为极少数代码创建一个非常大的代码描述符头。这只是一个bug/非常糟糕的实现。
更新：
有了hex转储，我可以提供一些分析。首先，fiddler和php输出都是正确的。它们之间的唯一区别在于gzip报头，特别是fiddler（而不是php）中设置的时间戳，以及php（而不是fiddler）中设置的原始操作系统。对于这两个13字节的压缩数据是相同的，可以表示为（使用myinfgen program来反汇编deflate流）：

last
static
literal 'Hello World
end

这正是它应该的。一个静态块，不需要代码描述符，只需将所有字节编码为文本。（以前的字符串没有长度和距离匹配。）
另一方面，gzipstream的输出在某些方面是一个可怕的混乱。压缩数据是：

dynamic
code 3 5
code 4 5
code 5 4
code 6 4
code 7 4
code 8 3
code 9 3
code 10 4
code 11 4
code 12 4
code 13 4
code 14 3
code 16 3
litlen 0 14
litlen 1 14
litlen 2 14
litlen 3 14
litlen 4 14
litlen 5 14
litlen 6 14
litlen 7 14
litlen 8 14
litlen 9 12
litlen 10 6
litlen 11 14
litlen 12 14
litlen 13 14
litlen 14 14
litlen 15 14
litlen 16 14
litlen 17 14
litlen 18 14
litlen 19 14
litlen 20 14
litlen 21 14
litlen 22 14
litlen 23 14
litlen 24 14
litlen 25 14
litlen 26 14
litlen 27 14
litlen 28 14
litlen 29 14
litlen 30 13
litlen 31 14
litlen 32 6
litlen 33 14
litlen 34 10
litlen 35 12
litlen 36 14
litlen 37 14
litlen 38 13
litlen 39 10
litlen 40 8
litlen 41 9
litlen 42 11
litlen 43 10
litlen 44 7
litlen 45 8
litlen 46 7
litlen 47 9
litlen 48 8
litlen 49 8
litlen 50 8
litlen 51 9
litlen 52 8
litlen 53 9
litlen 54 10
litlen 55 9
litlen 56 8
litlen 57 9
litlen 58 9
litlen 59 8
litlen 60 9
litlen 61 10
litlen 62 8
litlen 63 14
litlen 64 14
litlen 65 8
litlen 66 9
litlen 67 8
litlen 68 9
litlen 69 8
litlen 70 9
litlen 71 10
litlen 72 11
litlen 73 8
litlen 74 11
litlen 75 14
litlen 76 9
litlen 77 10
litlen 78 9
litlen 79 10
litlen 80 9
litlen 81 12
litlen 82 9
litlen 83 9
litlen 84 9
litlen 85 10
litlen 86 12
litlen 87 11
litlen 88 14
litlen 89 14
litlen 90 12
litlen 91 11
litlen 92 14
litlen 93 11
litlen 94 14
litlen 95 14
litlen 96 14
litlen 97 6
litlen 98 7
litlen 99 7
litlen 100 7
litlen 101 6
litlen 102 8
litlen 103 8
litlen 104 7
litlen 105 6
litlen 106 12
litlen 107 9
litlen 108 6
litlen 109 7
litlen 110 7
litlen 111 6
litlen 112 7
litlen 113 13
litlen 114 6
litlen 115 6
litlen 116 6
litlen 117 7
litlen 118 8
litlen 119 8
litlen 120 9
litlen 121 8
litlen 122 11
litlen 123 13
litlen 124 12
litlen 125 13
litlen 126 13
litlen 127 14
litlen 128 14
litlen 129 14
litlen 130 14
litlen 131 14
litlen 132 14
litlen 133 14
litlen 134 14
litlen 135 14
litlen 136 14
litlen 137 14
litlen 138 14
litlen 139 14
litlen 140 14
litlen 141 14
litlen 142 14
litlen 143 14
litlen 144 14
litlen 145 14
litlen 146 14
litlen 147 14
litlen 148 14
litlen 149 14
litlen 150 14
litlen 151 14
litlen 152 14
litlen 153 14
litlen 154 14
litlen 155 14
litlen 156 14
litlen 157 14
litlen 158 14
litlen 159 14
litlen 160 14
litlen 161 14
litlen 162 14
litlen 163 14
litlen 164 14
litlen 165 14
litlen 166 14
litlen 167 14
litlen 168 14
litlen 169 14
litlen 170 14
litlen 171 14
litlen 172 14
litlen 173 14
litlen 174 14
litlen 175 14
litlen 176 14
litlen 177 14
litlen 178 14
litlen 179 14
litlen 180 14
litlen 181 14
litlen 182 14
litlen 183 14
litlen 184 14
litlen 185 14
litlen 186 14
litlen 187 14
litlen 188 14
litlen 189 14
litlen 190 14
litlen 191 14
litlen 192 14
litlen 193 14
litlen 194 14
litlen 195 14
litlen 196 14
litlen 197 14
litlen 198 14
litlen 199 14
litlen 200 14
litlen 201 14
litlen 202 14
litlen 203 14
litlen 204 14
litlen 205 14
litlen 206 14
litlen 207 14
litlen 208 14
litlen 209 14
litlen 210 14
litlen 211 14
litlen 212 14
litlen 213 14
litlen 214 14
litlen 215 14
litlen 216 14
litlen 217 14
litlen 218 14
litlen 219 14
litlen 220 14
litlen 221 14
litlen 222 14
litlen 223 14
litlen 224 14
litlen 225 14
litlen 226 14
litlen 227 14
litlen 228 14
litlen 229 14
litlen 230 14
litlen 231 14
litlen 232 14
litlen 233 14
litlen 234 14
litlen 235 14
litlen 236 14
litlen 237 14
litlen 238 14
litlen 239 14
litlen 240 14
litlen 241 14
litlen 242 14
litlen 243 13
litlen 244 13
litlen 245 13
litlen 246 14
litlen 247 13
litlen 248 14
litlen 249 13
litlen 250 14
litlen 251 13
litlen 252 14
litlen 253 14
litlen 254 14
litlen 255 14
litlen 256 14
litlen 257 4
litlen 258 3
litlen 259 4
litlen 260 4
litlen 261 4
litlen 262 5
litlen 263 5
litlen 264 5
litlen 265 5
litlen 266 5
litlen 267 6
litlen 268 6
litlen 269 5
litlen 270 6
litlen 271 7
litlen 272 8
litlen 273 8
litlen 274 9
litlen 275 10
litlen 276 9
litlen 277 10
litlen 278 12
litlen 279 11
litlen 280 12
litlen 281 14
litlen 282 14
litlen 283 14
litlen 284 12
litlen 285 11
dist 0 6
dist 1 10
dist 2 11
dist 3 11
dist 4 9
dist 5 8
dist 6 8
dist 7 8
dist 8 7
dist 9 7
dist 10 5
dist 11 6
dist 12 4
dist 13 5
dist 14 4
dist 15 5
dist 16 4
dist 17 5
dist 18 4
dist 19 4
dist 20 4
dist 21 4
dist 22 4
dist 23 4
dist 24 4
dist 25 5
dist 26 4
dist 27 5
dist 28 5
dist 29 5
literal 'Hello World
end
!
last
stored
end

那这是什么？实际的数据只是“hello world”末尾附近的一行，它只是对输入的每个字节进行编码。前面是对一组用于文字、长度和距离的哈夫曼码的描述。这里有一些问题：
首先，它不应该使用dynamic。描述代码集大约需要100个字节。这就是为什么deflate格式提供了一组用于静态块的预定义代码。在这种情况下，压缩器应该选择一个静态块（这就是php和fiddler正在做的事情）。
其次，每一个可能的代码都被定义了，即使绝大多数代码从未被使用过！当使用动态块时，适当的压缩器将只定义该块中实际使用的文字、长度和距离的代码。在这种情况下，不使用长度或距离，只使用八种不同的文字（h、e、l、o、space、w、r和d）。相反，它继续定义256个文字代码、29个长度代码和30个距离代码。我猜一些实验会证明gzipstream中的动态头始终是相同的，在这种情况下它甚至不是动态的，这就是全部的要点！
第三，它在最后抛出一个不必要的空存储块。第一个块应该标记为最后一个块。
所有这些都指向了一个简单的事实，不管是谁编写了这段gzipstream代码，我都尽可能客气地说，他对deflate格式或压缩缺乏任何理解。他们选择只生成动态块（除了末尾的一个空静态块），每次只生成相同的动态头（我认为），这违背了动态块的目的，也不费心去弄清楚当前块是不是最后一个，需要拿出一个空块来标记结尾。
正如其他地方指出的，这些并不是gzipstream的唯一问题。它甚至不能正确地使用crc-32来检测损坏的流。
真正令人困惑的不是为什么微软指派了一些无能的人来编写GZIP压缩器和解压缩器，而是为什么他们指派任何人来写它！有免费的代码， zlib，它有一个非常自由的许可证，允许商业使用，没有归属。这段代码已经被广泛地部署了将近20年，并且做了所有它应该正确有效地做的事情。其他大多数东西都使用zlib，包括php和fiddler。