Zenodo: يتم ضغط الملفات المضغوطة بواسطة Gzip مرتين

انظر كمرجع لمجموعة البيانات هذه: https://zenodo.org/record/2539424

يبدو أن Zenodo يقوم بضغط الملفات المضغوطة بصيغة gzip مرتين دون سابق إنذار. لذلك فهي "مضغوطة مزدوجة" (!). لذلك ، عند تنزيلها ، يجب تسميتها:

eswiki.wikilink_graph.2006-03-01.csv.gz.gz

الشيء المربك للغاية هو أن MD5 المعروض يشير إلى الملف الأصلي (مضغوط مرة واحدة):

eswiki.wikilink_graph.2006-03-01.csv.gz

md5:2036a75ed53acdcc81f53061057fe343

لذلك لا يتطابق هذا مع الملف بمجرد تنزيله ، لكنه يتطابق مع الملف الأصلي (مضغوط مرة واحدة فقط).

هذا ما أحصل عليه (أحفظ الملف الذي تم تنزيله كـ .gz.gz ):

$ md5sum eswiki.wikilink_graph.2006-03-01.csv.gz.gz
b32c3b896be22c32bb17b9fe887bda51  eswiki.wikilink_graph.2006-03-01.csv.gz.gz

$ gunzip eswiki.wikilink_graph.2006-03-01.csv.gz.gz

$ md5sum eswiki.wikilink_graph.2006-03-01.csv.gz
2036a75ed53acdcc81f53061057fe343  eswiki.wikilink_graph.2006-03-01.csv.gz

$ sha512sum eswiki.wikilink_graph.2006-03-01.csv.gz
56a48b0f82922fee20c07b0a2480bca1872c5e4aa8521a86e178dc00aea5dd2e4cda4ae05eb1b1950da7447dae70d47d8daa8d7a3c62d6989aaad09bd1fbcc71
 eswiki.wikilink_graph.2006-03-01.csv.gz

$ zcat eswiki.wikilink_graph.2006-03-01.csv.gz | head -n10
page_id_from    page_title_from page_id_to  page_title_to
10  Argentina   3037    10 de enero
10  Argentina   3326    12 de octubre
10  Argentina   6301    13 de abril
10  Argentina   7874    1492
10  Argentina   6302    14 de abril
10  Argentina   14485   1502
10  Argentina   14471   1516
10  Argentina   14450   1536
10  Argentina   14434   1553

كما ترى ، لا يتطابق الملف الذي تم تنزيله مع الملف MD5 وإذا قمت بإلغاء ضغط الملف مرة واحدة ، فإن MD5 يطابق. بمجرد فك ضغطه ، فإنه يتطابق أيضًا مع مبالغ SHA512 التي أقدمها بشكل منفصل في نفس مجموعة البيانات في الملف eswiki.wikilink_graph.sha512sums.txt :

$ grep '2006-03-01' eswiki.wikilink_graph.sha512sums.txt
56a48b0f82922fee20c07b0a2480bca1872c5e4aa8521a86e178dc00aea5dd2e4cda4ae05eb1b1950da7447dae70d47d8daa8d7a3c62d6989aaad09bd1fbcc71
 eswiki.wikilink_graph.2006-03-01.csv.gz

إنه أمر غريب للغاية لأن Zenodo لا يقوم بضغط الملفات النصية (ملفات README وملفات التجزئة) ولا يوجد إشعار في أي مكان بهذا السلوك.

تحرير: في حال كنت تتساءل (منذ أن سأل كل من أخبرته عن هذه المشكلة) أنا متأكد من أن الملفات التي قمت بتحميلها تم ضغطها مرة واحدة فقط ، ولديها على القرص الخاص بي ، ولا تزال موجودة ويتم ضغطها مرة واحدة .