Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Programación · stoppels.ch
¿El tarball más difícil?
Un autor construye con una sola invocación de GNU tar un archivo que se extrae de ocho maneras distintas según la herramienta o biblioteca. El truco: un hard link con un registro pax de tamaño 512. Forma parte de una colección de 134 tarballs problemáticos.
1 medio · MadridPublicada 10 nov, 16:30Actualizada 10 nov, 21:20· Ya no está en portadaEscrita por IA · cómo funciona
El archivo se crea con GNU tar a partir de tres entradas: file, ./file y empty. Como file se repite, tar guarda la segunda como hard link, y con --transform se renombra a café. Eso obliga a tar a crear una cabecera pax para guardar el nombre en UTF-8. A esa cabecera se le añade un registro size=512, que anula el size=0 por defecto del hard link. El valor no es casual: 512 bytes es exactamente el tamaño de una cabecera tar.
Según el autor, POSIX dice que los bloques de datos de un hard link «pueden incluirse» en archivos pax, pero las implicaciones no están claras. La duda es si esos 512 bytes posteriores son datos del hard link o la cabecera de empty, tal como se archivó.
Los resultados varían mucho. GNU tar, BusyBox, Python, Go y Perl ignoran el tamaño y extraen file, café y empty. bsdtar, el tar del sistema en macOS, escribe los 512 bytes en el hard link, de modo que file acaba conteniendo la cabecera de empty. 7-Zip, node-tar, tar-fs y los tar y astral-tokio-tar de Rust saltan esos bytes sin escribirlos, y se quedan con file y café, sin empty.
El tarball es uno de los 134 que el autor reúne en su batería de pruebas haampie/tar-minefield. Su web, stoppels.ch/tar, tiene una tabla que compara cómo los trata cada implementación.
«The Hardest Tarball?» · puesto 26 · 140 puntos · enviado por thatslast
Lo que dicen los comentarios
La discusión se centra en la interpretación de POSIX y en si rechazar el archivo es lo correcto. Un comentarista sostiene que los datos incluidos son el contenido previsto del hard link, mientras que woodruffw, que mantiene varios de los parsers citados, discrepa de que la especificación sea tan clara. Sobre el rechazo, hay quien prefiere extraer lo que se pueda y quien distingue entre un modo estricto para archivos no fiables y otro tolerante para recuperar datos. Otros hilos tratan sobre pax como origen del problema, con el matiz de que el tar clásico tampoco está especificado, sobre una implementación ausente y sobre qué parser elegir para analizar archivos de origen desconocido.
Si se incluyen los bloques de datos, son el contenido previsto del archivo tras ese hard link y deberían sobrescribir el contenido anterior. Quizá el archivo cambió mientras se archivaba, y esa sería la razón de este permiso.
«Precisamente» y «simplemente» no son palabras que usaría para describir lo que pax prescribe sobre los miembros hardlink con datos. Mantengo varios de los parsers de tar mencionados en el artículo.
Hacen falta dos modos distintos: con tarballs no fiables, como los subidos a tu web, hay que rechazar lo mínimamente sospechoso; pero quien quiere recuperar fotos familiares de un archivo dañado necesita extraer todo lo posible.
pax dice lo contrario: las cabeceras extendidas siempre tienen prioridad, incluso cuando producen estados inválidos, como borrar `path`. No prescribe qué hacer en esos casos, así que hay una larga cola de suposiciones razonadas.
No creo que pax sea el problema, aunque sea una mala especificación. El tar clásico (V7) simplemente no está especificado y tiene sus propias diferencias. Además, los usuarios quieren nombres de más de 100 caracteres.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.