Linux文件操作-文件打包和压缩（tar/gzip/bzip2/xz/zip）

在日常工作中，我们有时需要对文件或文件夹进行打包和压缩以方便传输和存储，我们主要使用tar、gzip、bzip2、xz和zip命令完成这些操作。

首先要注意几个概念：

打包 (Tarballing): 将多个文件或目录合并成一个文件，但不减少其占用空间。例如，tar命令。

压缩 (Compression): 利用算法减小单个文件的体积。例如，gzip, bzip2, xz命令。

通常所说的"压缩"往往指的是先打包再压缩的组合操作，例如 .tar.gz 文件。

一、tar命令

tar是最常用的linux打包和压缩工具，注意tar命令在不使用-z -j -J调用压缩命令时，仅仅进行打包，不会进行压缩。

参数	含义	使用场景
`-c`	Create，创建新的归档文件	打包并压缩文件夹
`-x`	eXtract，解压/提取归档文件	恢复备份或安装软件包
`-t`	Table, 列出归档文件内容	查看包内文件列表，无需完全解压
`-f <filename>`	File, 指定归档文件名	必选项，指定要操作的`.tar`文件，该参数一般放最后
`-v`	Verbose, 显示处理过程	实时查看哪些文件正在被处理（可选）
`-z`	调用 `gzip` 进行 Zlib压缩/解压	生成 `.tar.gz` 或 `.tgz` 文件，最常用
`-j`	调用 `bzip2` 进行压缩/解压	生成 `.tar.bz2` 文件，高压缩率
`-J`	调用 `xz` 进行压缩/解压	生成 `.tar.xz` 文件，最高压缩率
`-C`	指定解包/解压的目标目录路径	将打包/压缩文件解压至目标文件夹
`-p`	保留源文件权限	不改变文件的属性，如只读
`-P`	保留源文件的文件路径	如打包/etc/shadow文件，解包会自动解至原路径，注意容易覆盖当前文件导致当前文件丢失

示例：
1.备份项目代码 (打包并压缩)

场景: 每周备份 /data/project/webapp 目录，并以当前时间命名（格式%Y%m%d）。

powershell 复制代码

tar -czvf webapp_backup_$(date +%Y%m%d).tar.gz /data/project/webapp

c: 创建新归档。
z: 使用 gzip 压缩。
f: 指定文件名为 webapp_backup_20260323.tar.gz (利用 date 命令动态生成带日期的文件名)。
/data/project/webapp: 要打包的源目录。

2.解压部署包

场景: 在服务器上解压 myapp.tar.gz 到 /opt/ 目录下。

powershell 复制代码

cd /opt/
tar -xzvf myapp.tar.gz
或：
tar -xzvf myapp.tar.gz -C /opt/myapp
x: 提取文件。
z: 解压 gzip 格式。
f: 指定要解压的文件 myapp.tar.gz。
C：指定解压到/opt下

3.仅查看压缩包内容

场景: 在解压前，想确认 myapp.tar.gz 里有什么文件，避免解压错误覆盖。

powershell 复制代码

tar -tzf myapp.tar.gz

t: 列出内容。
z: 对 gzip 格式进行操作。
f: 指定文件。

4.增量备份与排除特定文件

场景: 备份 /var/log 日志，但排除旧的日志轮转文件。

powershell 复制代码

tar -czvf logs_current_$(date +%Y%m%d).tar.gz  --exclude='*.gz' /var/log/
解释: --exclude 参数可以排除匹配模式的文件，备份时过滤掉临时文件、缓存或旧文件。

二、zip命令

.tar、.tar.gz等格式在windows中并不常见（但linux区分文件类型不依赖后缀名，后缀名仅为使人类方便查看），windows中更多的是.zip或.rar格式的压缩文件，为了更方便地传输文件，还可以使用zip命令，zip 是一个将打包和压缩合二为一的工具。它的最大优势在于通用性------无论是 Windows、macOS 还是 Linux，都能原生支持 .zip 格式。

参数	含义
`-r`	递归处理目录
`-d`	从压缩包中删除文件
`-u`	更新压缩包中的文件
`-m`	移动文件到压缩包
`-e`	设置密码加密

示例：

1.压缩文件/目录：压缩目录时加 -r（递归）处理子文件夹。

powershell 复制代码

zip -r test.zip /path/to/directory

2.解压文件：使用 unzip 命令。

powershell 复制代码

unzip test.zip

3.指定解压路径：使用 -d 参数。

powershell 复制代码

unzip test.zip -d /path/to/unzipdirectory

4.查看压缩包内容：不解压，直接查看。

powershell 复制代码

unzip -l test.zip

三、gzip bzip2 xz命令

这三个命令多数结合tar命令使用，但也可单独使用。

3.1 gzip

gzip 是 Linux 世界中最古老的压缩标准之一。它的特点是速度快，兼容性极好，几乎所有的 Linux 发行版都默认支持。

常用参数：

-k：保留原始文件，不删除源文件。

-d：解压文件。

-r：递归处理目录（但 gzip 本身不支持直接压缩目录，通常配合 tar 使用）。

-v：显示压缩过程。

-1 到 -9：设置压缩级别，-1 最快但体积大，-9 最慢但体积小。

示例：

1.压缩单个文件：
gzip filename.txt

结果：生成 filename.txt.gz，原文件会被删除

2.保留原文件进行压缩：加上 -k 参数。
gzip -k filename.txt

#结果：生成 filename.txt.gz，同时保留 filename.txt

3.不解压直接查看内容：使用 zcat 或 zless。
zcat filename.txt.gz

3.2 bzip2

随着文件越来越大，gzip 的压缩率有时显得不够用，这时 bzip2 就登场了。它采用了更复杂的算法（Burrows-Wheeler），能在 gzip 的基础上进一步减小文件体积。

常用参数：

-k：保留原始文件。

-d：解压文件。

-v：显示压缩过程。

-z：压缩（默认）。

-t：测试文件完整性。

3.3 xz

xz 是较新的压缩工具。它拥有目前主流工具中最高的压缩率。如果你需要分发大型源码包或备份冷数据，xz 是很好的选择。

常用参数：

-k：保留原始文件。

-d：解压文件。

-z：压缩（默认）。

-v：显示压缩过程。

-0 到 -9：压缩级别，-9 为最高压缩率。

四、注意

4.1 tar在打包过程中不会进行压缩，但有时会出现打包后文件大小发生改变的情况，原因可能如下：

打包的对象是"稀疏文件"
这是最常见导致"体积变小"的原因。
什么是稀疏文件：有些文件（如虚拟机磁盘镜像、某些数据库文件）内部包含大量的"空洞"（全是 0 的数据块）。在硬盘上，系统只记录"这里有 1GB 的空洞"，而不真正占用 1GB 的磁盘空间。
tar 的处理：当你打包这类文件时，tar 会智能地只记录这些"空洞"的元数据，而不把它们变成实打实的 0。
结果：假设你有一个 10GB 的虚拟机镜像文件，但在硬盘上只占了 2GB（因为大部分是空的）。打包后，.tar 文件可能只有 2GB 多一点。
错觉：你以为它压缩了，其实它只是忠实地记录了"空洞"。
你打包的是"大量小文件"
文件系统的"块"效应：Linux 文件系统（如 ext4）有一个"块大小"（通常是 4KB）。哪怕你有一个只有 1 字节的文件，它也会占用 4KB 的磁盘空间。这叫"内部碎片"。
tar 的处理：tar 把文件流式地写入，它不需要像文件系统那样为每个小文件分配一个"块"。
结果：如果你有 10,000 个 1 字节的小文件，在硬盘上它们可能占用 40MB（10000 * 4KB）。但打包成 .tar 后，文件总大小可能只有 10KB（实际数据）+ 少量的头部信息。
错觉：打包后的体积竟然比源文件占用的磁盘空间还小！这是因为 tar 消除了文件系统的"内部碎片"。
你查看的是"显示大小"而非"实际占用"
在 Linux 中使用 ls -l 命令查看时，它显示的是文件的逻辑大小（内容长度）。
如果你用 du -sh 命令查看，它显示的是实际占用磁盘块的大小。
对于普通文件，tar 打包后的逻辑大小通常等于（甚至略大于）所有源文件的逻辑大小之和。

测试：

如果你有 10,000 个 1 字节的小文件，在硬盘上它们可能占用 40MB（10000 * 4KB）。但打包成 .tar 后，文件总大小可能只有 10KB（实际数据）+ 少量的头部信息

powershell 复制代码

# 1. 准备环境：创建一个测试目录并进入
mkdir -p small_file_test && cd small_file_test

# 2. 制造"空间黑洞"：生成 10,000 个 1 字节的小文件
# 为了速度，我们使用循环批量写入
for i in {1..10000}; do echo -n "a" > file_$i.txt; done

# 3. 查看文件的"逻辑大小"（看起来的大小）
du -b . | head -1  # 显示当前目录所有文件的实际字节总和（约 10KB+）

# 4. 查看文件的"磁盘占用"（实际吃掉的硬盘空间）
du -sh .           # 显示当前目录在硬盘上实际占用的空间（约 40MB+）

# 5. 执行打包（不加压缩）
tar -cvf bundle.tar .

# 6. 查看打包后的文件大小
ls -lh bundle.tar

4.2 解压时报错

五、练习

在练习之前，先执行脚本生成一个练习环境。

powershell 复制代码

#!/bin/bash

# 1. 创建目录结构
mkdir -p /data/tar_lab/project/{src,conf,logs,data}
mkdir -p /data/tar_lab/backup

# 2. 创建源代码文件
echo "int main() { return 0; }" > /data/tar_lab/project/src/main.c
echo "#include <stdio.h>" > /data/tar_lab/project/src/utils.h

# 3. 创建配置文件
echo "db_host=localhost" > /data/tar_lab/project/conf/app.conf
echo "port=8080" >> /data/tar_lab/project/conf/app.conf

# 4. 创建大量日志 (模拟大文件，约 40KB)
for i in {1..1000}; do echo "Log entry $i: System running normally..." >> /data/tar_lab/project/logs/app.log; done

# 5. 创建数据文件
echo "User Data 1" > /data/tar_lab/project/data/user.db
echo "User Data 2" > /data/tar_lab/project/data/admin.db

# 6. 创建一个空目录
mkdir -p /data/tar_lab/project/temp_cache

# 7. 创建一个测试用etc
mkdir -p /data/etc/conf.d
echo "test" > /data/etc/config.txt

# 7. 创建一个软链接 (模拟指向外部配置)
touch /data/etc/hostname
ln -s /data/etc/hostname tar_lab/project/conf/host_link

echo " 练习环境已生成！请进入 tar_lab 目录开始练习。"

题目 1：基础打包

场景：你需要将 project 目录打包成一个名为 project_bundle.tar 的文件，但不需要压缩。

要求：能够看到打包过程的详细信息。

powershell 复制代码

答案与解析：
tar -cvf project_bundle.tar project/
解析：-c 表示创建归档，-v 显示过程，-f 指定文件名。注意此时文件体积会很大，因为包含了日志文件。

题目 2：Gzip 压缩

场景：为了节省空间，你需要将 project 目录打包并使用 gzip 压缩。

要求：生成 project.tar.gz 文件。

powershell 复制代码

答案与解析：
tar -zcvf project.tar.gz project/
解析：-z 调用 gzip 算法。这是 Linux 运维中最常见的命令组合，兼顾了速度与压缩率。

题目 3：指定目录解压

场景：你下载了一个源码包，不想让它解压到当前目录弄乱桌面，而是想直接解压到 backup 目录中。

要求：不进入 backup 目录，直接解压进去。

powershell 复制代码

答案与解析：
tar -zxvf project.tar.gz -C backup/
解析：-C 用于切换目录。这是部署软件时的常用技巧，可以直接将文件释放到目标安装目录。

题目 4：排除特定文件

场景：你要备份 project 目录，但是 logs/app.log 这个日志文件太大了，你不需要备份它。

要求：打包时排除 project/logs 目录。

powershell 复制代码

答案与解析：
tar -zcvf project_no_logs.tar.gz --exclude='project/logs' project/
解析：--exclude 是运维备份时的神器。你也可以使用通配符，例如 --exclude='*.log'。对比一下生成的文件大小，你会发现这个包小了很多。

题目 5：保留绝对路径与权限

场景：假设你在备份系统配置文件。你需要保留文件的绝对路径（即解压后还是在 / 下），并且保留文件的原始权限（如只读属性）。

powershell 复制代码

答案与解析：
tar -zcvpf backup_etc.tar.gz -P etc/
解析：-p 保留文件权限，-P 保留绝对路径。警告：在生产环境使用 -P 需极度小心，因为解压时可能会覆盖系统文件。

题目 6：只解压其中一个文件

场景：project.tar.gz 包里有很多文件，但你只把 conf/app.conf 配置文件改坏了。你不想解压整个包，只想把这一个文件"捞"出来恢复。

powershell 复制代码

答案与解析：
# 1. 先查看包内文件路径（防止路径写错）
tar -tvf project.tar.gz | grep app.conf

# 2. 解压指定文件
tar -zxvf project.tar.gz project/conf/app.conf
解析：直接跟上文件在压缩包内的相对路径即可。这比解压整个包要快得多，尤其是在处理几个 G 的备份包时。

题目 7：不解压直接查看内容

场景：你想确认 project.tar.gz 里面到底有哪些文件，或者想看看 app.conf 的内容，但完全不想解压它。

powershell 复制代码

答案与解析：
# 1. 查看文件列表
tar -tvf project.tar.gz

# 2. 查看具体文件内容 (配合管道)
tar -zxOf project.tar.gz project/conf/app.conf
解析：-t 列出归档内容，-O 将文件内容输出到标准输出（屏幕）。

题目 8：处理 Bzip2 和 Xz 格式

场景：为了追求极致压缩率，你需要将 project 目录打包成 .tar.bz2 和 .tar.xz 格式。

powershell 复制代码

答案与解析：
# 1.bzip2 (参数 -j)
tar -jcvf project.tar.bz2 project/

# xz (参数 -J，注意大写)
tar -Jcvf project.tar.xz project/
解析：z 是 gzip，j 是 bzip2，J 是 xz。现代 Linux 的 tar 通常能自动识别格式，解压时直接 tar -xvf 即可。

题目 9：基于时间戳的增量备份（利用 mtime）

在 Linux 中，文件有三个核心时间属性：mtime（修改时间）、ctime（改变时间）、atime（访问时间）。

场景：你周一做了全量备份。周二到周五，只有部分文件被修改了。

要求：找出 project 目录下，在过去 24 小时内被修改过（mtime 更新）的文件，并单独打包。

powershell 复制代码

答案与解析：
# 1.方法一：使用 find 配合 tar
find project/ -type f -mtime -1 | xargs tar -cvf daily_backup.tar

# 2.方法二：使用 tar 的内置时间过滤
tar -cvf daily_backup.tar --newer-mtime='1 day ago' project/
解析：mtime 是判断文件是否发生变化、是否需要备份的最重要依据。--newer-mtime 告诉 tar 只打包那些内容比指定时间更新的文件。

题目 10：处理软链接

场景：project 目录下有一个软链接 conf/host_link 指向 /data/etc/hostname。

要求：打包时，你想把软链接本身打包进去（解压后还是个链接），而不是把 /etc/hostname 的真实文件内容打包进去。

powershell 复制代码

答案与解析：
# 1.默认行为就是打包软链接本身，什么都不用加
tar -cvf softlink_backup.tar project/

# 2.或者显式声明"不要解引用"（更严谨）
tar -cvf softlink_backup.tar --no-dereference project/
解析：默认情况下，tar 只保存链接的路径。如果你加上 -h（dereference），tar 就会把链接指向的真实文件内容打包进去。

题目 11：向已有的压缩包追加文件

场景：你刚打包好 project_bundle.tar（注意是未压缩的 tar 包），突然发现漏了一个 readme.txt 文件。

要求：在不解压、不重新打包整个目录的情况下，把 readme.txt 加进去。

powershell 复制代码

答案与解析：
# 注意：只能对 .tar 格式直接追加，压缩格式需特殊处理
tar -rvf project_bundle.tar readme.txt
解析：-r 表示追加。陷阱在于：这只能用于未压缩的 .tar 包。如果是 .tar.gz，通常建议重新打包，因为压缩流是连续的，无法在中间插入数据。

题目 12：流式传输（网络备份）

场景：你想把本地 project 目录打包，直接通过网络发送给另一台服务器，而不想在本地生成中间文件。

powershell 复制代码

答案与解析：
# 将打包数据通过管道传给 ssh，直接写入远程服务器
tar -cvf - project/ | ssh user@192.168.1.100 "cat > /tmp/remote_backup.tar"
解析：tar -cvf - 中的 - 代表标准输出。配合管道符，数据不经过硬盘，直接通过网络传输并写入远程文件。

题目 13：保留原始修改时间

场景：你备份了一个旧项目。默认情况下，tar 解压时会恢复归档中保存的时间戳。但在某些特殊脚本中，你可能需要强制控制这一行为。

要求：解压文件，但强制使用"当前时间"作为文件的 mtime（即不保留原始时间）。

powershell 复制代码

答案与解析：
tar -zxvf project.tar.gz -m
解析：-m 参数告诉 tar 在提取时不要恢复文件的时间戳，而是使用解压时的当前时间。这在某些需要触发基于时间戳的构建系统（如 Make）重新编译时非常有用。

题目 14：打包后修改压缩包时间

场景：你生成了一个备份包 backup.tar.gz，为了方便管理，你希望这个压缩包文件的修改时间（mtime）显示为"昨天"。

powershell 复制代码

答案与解析：
# 使用 touch 命令修改文件时间戳
touch -d "yesterday" backup.tar.gz
解析：虽然这不是 tar 命令，但这是配合归档管理的必备技能。touch -d 可以设置任意时间，让文件列表看起来整洁有序。