交织bzip2和非bzip2 2数据

Question

我正在考虑创建一种文件格式，将两种类型的原始字节块交织在一起。

一个块将包含一个bzip2 2压缩数据块，其中有一个包含通常的bzip2 幻数 (BZh9)的头部。

第二个块将由其他感兴趣的数据组成，它有一个包含不同魔术号(TBD)的头。

这两个神奇的数字将用于寻找、识别和处理这两种数据块类型。

我的问题是:对于第二种块类型，在bzip2 2压缩字节块中不太可能(或者更好，不可能)找到一个神奇的数字吗？

换句话说，在某个统计阈值范围内，是否有bzip2排除的特定字节，或者在压缩时不太可能使用，而我可以使用这些字节作为同一文件中另一种数据类型的头呢？

一种选择是，当我找到第二块类型的头字节时，我只需尝试处理第二块类型中的数据，如果处理失败，那么我假设我意外地在一个压缩的bzip2块中。但是我想知道是否有可能在bzip2块中找不到字节，或者不可能找到字节。

Answer 1

不是的。bzip2压缩数据可以包含任意一对字节，基本上所有字节都具有相同的概率。您所能做的就是定义一个较长的字节序列作为签名，以降低该序列意外出现在压缩数据中的可能性。但还是可以的。

bzip2格式是自我终止的，所以如果您愿意花时间解码bzip2数据，那么您总是可以找到下一步的位置。

要在注释中回答这个问题，整个bzip2流必然终止于一个字节边界。最后一个字节可能有0到7位的零衬垫。您可以从第二个流组件开始向后搜索以查找bzip2结束标记0x177245385090 (pi平方根的前12位十进制数字)，它可以以特定字节的任意位开始。应该是80到87位。