A DOCX és az EPUB feldolgozása előtt állítson be költségvetést a ZIP kibontáshoz

A DOCX lényegében ZIP-bejegyzések halmaza, és az EPUB is ZIP-tárolót használ. Az, hogy nagyon kicsi tömörített fájlt kap, nem jelenti azt, hogy a kicsomagolás után is kisebb lesz. A tömörítési mennyiséget, a bejegyzések számát, az egyes elemek méretét és a teljes bővítési mennyiséget korlátozni kell a belépési ponton, ahelyett, hogy megvárnák, amíg a memória kifogy, mielőtt megállapítaná, hogy a fájl rendellenes.

A DOCX és az EPUB kezelése során sok probléma merül fel már a dekompressziós szakaszban. A DOCX lényegében ZIP-bejegyzések halmaza, és az EPUB is ZIP-tárolót használ, így a kis fájlméret nem jelenti azt, hogy a kicsomagolás után kisebb lesz. Ez a cikk azoknak a fejlesztőknek, valamint az üzemeltetési és karbantartói személyzetnek szól, akiknek Office-dokumentumokat vagy e-könyveket kell megkapniuk, és későbbi feldolgozást kell végezniük. Bemutatja, hogyan állíthat be költségvetést a ZIP dekompresszióhoz a bejáratnál.

Ennek elolvasása után meghatározhatja, hogy mely korlátozásokat kell elhelyezni a bejáratnál, hogyan lehet visszaadni a megtagadható információkat a felhasználónak, és hogyan lehet megkülönböztetni a tárolóproblémákat a fordítási problémáktól, ha a fordítás sikertelen. A cikkben szereplő példákat szintetikus minták segítségével mutatjuk be, és a kód átment a mintaellenőrzésen egy elszigetelt környezetben, de ez nem jelenti azt, hogy minden valódi fájlra érvényes. A fontos dokumentumok feldolgozása előtt kérjük, őrizze meg az eredeti példányokat és nézze át a szövegben szereplő határok és átvételi tételek szerint.

Hogyan állíthatok be költségvetést a ZIP-kibontáshoz a DOCX és az EPUB feldolgozása előtt? Egy mondatos következtetés

A tömörítési mennyiséget, a bejegyzések számát, az egyes cikkek méretét és a teljes bővítési mennyiséget korlátozni kell a belépési ponton. Ne várja meg, amíg a memória kimerül, mielőtt felfedezné a fájl rendellenességeit.

a helyzetedAjánlott gyakorlatokok
DOCX vagy EPUB tömörített fájl fogadásaKorlátozza a tömörítési mennyiséget, a bejegyzések számát, az egyes tételek méretét és a teljes bővítési mennyiséget a bejáratnálA tömörített csomag kis mérete nem jelenti azt, hogy a kibontás után kisebb lesz.
Csak a katalógus alapján szeretnék előszűrést végezni.A címtártáblázatot korai elutasításra használják, miközben a kicsomagolás során olvasott bájtok felhalmozódnak.A katalógustáblák nem helyettesítik a futásidejű megszorításokat
Az ésszerűen nagy dokumentum meghaladja a költségvetéstBiztosítson független nagy fájlsort vagy kézi feldolgozási bejáratotAz ésszerű dokumentáció meghaladhatja a költségvetést is, de nem szabad megszüntetni minden korlátozást
A fordítás nem sikerültElőször tegyen különbséget a tároló sérülése és a fordítási hiba közöttA probléma a bevitel előkészítésének szakaszában lehet

Miért kell először a kiterjesztett méretet néznünk?

Mind a DOCX, mind az EPUB ZIP-et használ tárolóként. Egy több száz KB méretű fájl sok helyet foglalhat a kicsomagolás után. Ha a rendszer csak a feltöltött fájl méretét nézné, nem tudná észlelni az ilyen típusú kockázatokat.

Ezért a bejáratnál végzett ellenőrzésnek egyszerre kell kitérnie a következő szempontokra:

  • Tömörítési mennyiség: Korlátozza a feltöltött fájl méretét.
  • Bejegyzések száma: Korlátozza a tárolóban lévő fájlok számát.
  • Egyetlen tétel mérete: Korlátozza bármely elem kibontott méretét.
  • Total Expansion: Korlátozza a bájtok teljes számát az összes bejegyzés kibővítése után.

Először ellenőrizze a tartalomjegyzéket, de ne tekintse végső garanciának

A ZipInfo deklarált méretet és tömörített méretet biztosít, amely alkalmas előszűrésre. Segít a rendszernek gyorsan elutasítani a költségvetést egyértelműen meghaladó fájlokat a kibontás előtt.

A címtártáblázatban található információkat azonban maga a fájl deklarálja, és nem lehet teljesen megbízni bennük. A tényleges kitömörítés során továbbra is össze kell gyűjtenie az olvasott bájtokat, és be kell állítania az idő- és memóriaköltséget. A katalógustáblák korán elutasíthatják a fájlokat, de nem helyettesíthetik a futásidejű korlátozásokat.

Példa a dekompresszió nélküli előszűrésre

from io import BytesIO
from pathlib import PurePosixPath
from zipfile import ZipFile, ZIP_DEFLATED

def inspect(raw, max_entries=10, max_total=4096):
    if len(raw) > 4096:
        raise ValueError("compressed input budget")
    with ZipFile(BytesIO(raw)) as z:
        items = z.infolist()
        if len(items) > max_entries:
            raise ValueError("entry count budget")
        total, seen = 0, set()
        for item in items:
            name = item.filename
            path = PurePosixPath(name)
            if (path.is_absolute() or ".." in path.parts or
                    "\\" in name or ":" in name or name in seen):
                raise ValueError("unsafe or duplicate name")
            seen.add(name)
            total += item.file_size
            if total > max_total:
                raise ValueError("expanded budget")
        return len(items), total

def sample(name, data):
    out = BytesIO()
    with ZipFile(out, "w", ZIP_DEFLATED) as z:
        z.writestr(name, data)
    return out.getvalue()
assert inspect(sample("word/document.xml", b"<doc/>")) == (1, 6)
for raw in [sample("../escape", b"x"), sample("large", b"x" * 5000)]:
    try:
        inspect(raw)
    except ValueError:
        pass
    else:
        raise AssertionError("unsafe archive accepted")

Ebben a példában a költségvetések kis értékek, amelyeket az elutasítási útvonalak bemutatására választottak, és nem replikálhatók közvetlenül éles környezetben. A példa nem hívja meg a extractall-t, és nem ír ZIP bejegyzéseket sem, tehát nem teljesen biztonságos kicsomagoló.

A titkosított bejegyzések, szimbolikus hivatkozások, beágyazott archiválás és magának a parszernek az erőforrás-felhasználása mind külön stratégiákat igényelnek.

Források: Python zipfile.

A felhasználók számára cselekvésre alkalmas információk biztosítása megtagadásakor

Fájl elutasításakor a felhasználónak tudnia kell, mi legyen a következő lépés; Belsőleg elegendő hibaelhárítási információt kell rögzíteni. Az alábbi táblázat általános kezelési módszereket mutat be a kiváltó állapotok kezelésére:

Kiváltó feltételMagyarázd el a felhasználónakBelső nyilvántartások
A teljes telepítési volumen meghaladta a költségvetéstA fájl túl nagy kibontvaKorlátozott nevek és megfigyelések
Bejegyzésnév duplikálásaA konténer szerkezete nem egyértelműBejegyzési index, nem teljes szöveg
Határátlépő útvonalA fájlstruktúra nem támogatottBiztonsági incidens társulási azonosító
Konténer sérültKérjük, exportálja újra a fájltElemzés kivételtípusok

A felhasználók számára a magyarázatoknak rövidnek és világosnak kell lenniük, kerülve a túl sok belső részlet felfedését; A belső rekordoknak korlátozott neveket, megfigyeléseket és kivételtípusokat kell tartalmazniuk a jövőbeni hibakereséshez.

Ne tilts le minden korlátozást a kompatibilitás érdekében

A viszonylag nagy dokumentumok is meghaladhatják a költségvetést. Ebben a pontban óvatos megközelítés az, hogy önálló, nagy fájlsorokat vagy kézi feldolgozási belépési pontokat biztosítsunk, ahelyett, hogy minden feladatra vonatkozó korlátozásokat lazítanánk.

A bérlő üzleti kvótájának növelése nem jelenti azt, hogy minden feladatot korlátlan módon leegyszerűsítenének. A korlátozásokat el kell különíteni a végrehajtástól, és nem lehet csak a feltöltés gomb mellé írni.

Megkülönböztetni, hogy melyik réteg fordítási hiba található

A dokumentumok OmniDoc (Termékportál)-be történő benyújtásának előkészítésekor először válassza el a konténersérülést a fordítási hibáktól. Egy olyan DOCX, amely még XML-t sem tud olvasni, problémákkal küzdhet a bemenet előkészítési fázisában. Egy világos előzetes ellenőrzési jelentés jelzi a felhasználóknak, hogy újraexportálják-e, tömörítsék a képeket, vagy forduljanak a fordítási szolgáltatásokhoz hibaelhárítás céljából.

📊 Alap összehasonlítás

Időzítés ellenőrzéseFő funkcióKorlátozások
Ellenőrizze a tartalomjegyzéket a kicsomagolás előtt (ZipInfo)Előszűrés a megadott méret és tömörítési méret alapján, és előre elutasítja azokat a fájlokat, amelyek egyértelműen meghaladják a határértéketA deklarációs információk magukból a fájlból származnak, és nem helyettesíthetik a futásidejű korlátozásokat
A kinyerés során leolvasott kumulatív bájtokIgazítsa az idő- és memóriaköltségvetést a tényleges telepítés irányításáhozA számlálásnak folyamatosnak kell lennie az olvasás során

🎯 Melyik megközelítés illik hozzád?

Ha felhasználói feltöltött DOCX vagy EPUB-ot kell fogadnod

A bejáratnál egyszerre ellenőrizd a tömörített térfogatot, a bejegyzések számát, az egyes tételek méretét és a teljes bővítést, mielőtt folytatnád a további feldolgozást.

Ha főként a tartalomjegyzékre támaszkodsz az ellenőrzéshez,

A könyvtár táblát korai elutasítás eszközeként használják, miközben a tényleges dekompresszió során leolvasott bájtokat összegyűjtik, és beállítják az idő- és memóriaköltségvetést.

Ha gyakran találkozol viszonylag nagy dokumentumokkal

Biztosítson külön nagy fájlsorokat vagy kézi feldolgozási belépési pontokat ezekhez a dokumentumokhoz; ne tiltson ki minden korlátozást a kompatibilitás érdekében.

Ha készen állsz dokumentumok benyújtására az OmniDocnak

Először is különböztesd meg a konténer korrupciót és a fordítási hibát. Az előzetes ellenőrzési fázisban észlelt problémákat a lehető leghamarabb közölni lehet a felhasználókkal.

❓ Gyakran ismételt kérdések (GYIK)

1. Közvetlenül használható-e a könyvtártábla mérete a fájlok biztonságának meghatározására?

Nem lehet teljesen rá támaszkodni. A ZipInfo által biztosított deklarációs méret alkalmas előszűrésre, de a tényleges kinyerés során a felhalmozott bájtokat még össze kell gyűjteni, valamint az idő- és memória költségvetési beállításokat.

2. Miért olyan kicsi a tömörített csomag, de kihúzva elég nagy lehet?

Mind a DOCX, mind az EPUB ZIP-et használ tárolóként; egy kis tömörített csomagméret nem jelenti azt, hogy a kibővített csomag is kicsi. Ezért a teljes bővítést korlátozni kell.

3. Hogyan kezeljük a nagy, költségvetést túllépő dokumentumokat?

A viszonylag nagy dokumentumok meghaladhatják a költségvetést is, így külön, nagy fájlsorokat vagy kézi beviteli pontokat biztosítanak a korlátok lezárása helyett.

4. Ha a fordítás kudarcot vall, hogyan lehet megállapítani, hol van a probléma?

Először is különböztesd meg a konténer korrupciót és a fordítási hibát. Egy olyan DOCX, amely még XML-t sem tud olvasni, problémákkal küzdhet a bemenet előkészítési fázisában. Egy világos előellenőrzési jelentés segíti a felhasználókat abban, hogy újraexportálják, tömörítsék a képeket, vagy forduljanak a fordítószolgálathoz hibaelhárítás céljából.

📝 Összefoglaló

A ZIP kivonási korlátnak a bejegyzésnél egyidejűleg kell lefednie a tömörített térfogatot, a bejegyzések számát, az egyes elem méretét és a teljes bővítést, és össze kell vonni a kumulatív futásidejű ellenőrzésekkel. Ha a felhasználóknak világos útmutatást adunk a következő lépésre az elutasításkor, könnyebb lesz megoldani a problémát.

Próbáld ki most: Töltsd fel a dokumentumodat a fordítás megkezdéséhez, megőrizve az eredeti formázást

Frissítve: 2026-11-17