tar

定义

tar 是 Unix 及类 Unix 系统上的归档（archive）程序，作用是把若干文件与整个目录层次写进一个归档文件，或对已有归档进行列举、解出、追加、删除、比较等操作^[3]。它处理的归档既可以是一个普通文件，也可以是磁带机一类的设备，名称即由此而来^[4]。

命令的基本形式为 tar 选项 归档名 文件名，其中表示操作模式的主选项通常写在最前面，其余选项改变执行方式，文件名或成员名指定作用对象^[3]。在 GNU 实现中，选项可以采用传统风格（字母连写）、短选项风格（每个字母前加单横线）与长选项风格（两个横线加助记名）三种写法^[4]。

原理

tar 的归档文件是一个线性拼接的字节流：每个成员前面有一段 512 字节的文件头，记录名称、模式、属主与属组 ID、大小、修改时间、校验和、类型标志与链接名等元数据，随后是该文件的内容，长度补零到 512 字节的整数倍，归档以连续的零块收尾^[5]。由于磁带只能按块顺序读写，归档格式被设计为顺序访问，解出某个成员往往需要从开头向后扫描^[6]。

文件头中的数值字段采用八进制 ASCII 表示以保证跨机器可移植，例如修改时间记为自 1970 年 1 月 1 日 00:00 协调世界时起的秒数，校验和则是把头部各字节求和、计算时该字段视作空格^[5]。tar 格式并不区分文本与二进制内容，文件数据原样写入、不作转换^[5]。为提高写入效率，数据按记录输出，一条记录默认由 20 个 512 字节块组成，即 10 KiB^[1]。

由于历史原因，tar 存在多种归档格式，原理相同但细节互不兼容，包括 gnu、oldgnu、v7、ustar、star 与 posix 等^[7]。v7 格式把文件名限制在 100 字节、文件大小限制在 8 GiB 以内、UID 与 GID 小于 2^21；ustar 由 POSIX.1-1988 定义，允许 255 字节的文件名并保存符号属主信息；posix 格式的限制最少，但部分旧实现无法正确处理^[7]。

发展历程

tar 命令行工具于 1979 年 1 月随 Version 7 Unix 出现，取代了更早的 tp 程序，最初的用途是把数据写到没有自身文件系统的顺序 I/O 设备上^[1]。此后归档头部的定义在 POSIX.1-1988 中标准化，并在 POSIX.1-2001 中进一步扩展；POSIX.1-2001 转向 pax 命令，tar 命令被列为准备撤销，但在实践中仍被广泛使用^[1]。

1988 年的 POSIX 标准引入了 UStar 格式，多数现代 tar 程序都以它读写归档；1997 年 Sun 提出为 tar 增加扩展的方法，该方案后来被 POSIX.1-2001 采纳为 pax 格式，2001 年 star 成为第一个支持该格式的实现，GNU tar 则在 2004 年跟进，但长期未将其作为默认输出格式^[8]。常用的 GNU tar 由自由软件基金会维护，其手册同时以 Texinfo 文档与 man 手册形式发布，手册被视为权威说明^[9]。

BSD 版 tar 已被纳入 Microsoft Windows，自 Windows 10 的 2018 年 4 月更新起随系统提供，tar 命令也被移植到 IBM i 操作系统^[1]。

应用

最常见的使用方式是把目录打包，例如 tar -cvf etc.tar /etc 会把 /etc 下的内容写入归档并逐条列出，若给出目录名，tar 默认递归处理其下所有文件与子目录^[4]。与压缩程序配合时可用单一命令完成打包与压缩，-z 调用 gzip、-j 调用 bzip2、-J 调用 xz、-Z 调用 compress，解包时使用对应选项即可^[10]。GNU tar 还提供 -a 选项，按归档文件的扩展名自动选择压缩程序^[6]。

压缩后的归档通常在 .tar 之后叠加压缩器后缀，如 .tar.gz、.tar.bz2、.tar.xz，相应地也有 .tgz、.tbz2、.txz 等短后缀写法。tar 能保留权限、属主与属组、符号链接和特殊文件，因此软件源码与目录树常以压缩 tar 包形式分发^[11]。

系统管理中也常用 tar 完成目录迁移与备份：把归档写到标准输出、再由另一端从标准输入解出，可以在不使用额外工具的情况下复制整棵目录树^[12]。增量与多卷选项面向备份场景，--listed-incremental 借助快照文件记录状态以生成增量归档，--multi-volume 则支持把归档分散到多卷介质^[13]。

局限

tar 自身不提供数据压缩，压缩需要调用 gzip、bzip2、xz 等外部程序，因此单独得到的 .tar 文件体积与原始文件之和相近^[11]。压缩后的归档不能再执行追加、删除等修改操作，--delete 对压缩归档无效，需先解压再处理^[13]。

归档格式的顺序结构带来性能代价：只解出靠后的成员也需要从头遍历整个文件，部分解包速度较慢^[14]。不同格式之间的兼容性同样有限，gnu 格式对稀疏文件与增量归档的实现方式与其他格式不兼容，posix 格式虽最灵活，一些较旧的 tar 实现却无法正确读取^[7]。

字段宽度也构成限制：v7 以 12 字节存放文件大小，只能容纳 11 位八进制数字，对应 8 GiB 上限，超出需依赖 GNU 等实现把大小改为二进制编码的扩展^[14]。此外，若归档中的文件直接解到当前目录而不套一层同名目录，文件会散落到所在目录并可能覆盖同名文件，这类归档被俗称为 tarbomb^[8]。

参见

• gzip —— 常与 tar 配合使用的压缩程序，对应归档后缀 .tar.gz。

• bzip2 —— tar 通过 -j 选项调用的压缩程序，输出 .tar.bz2 归档。

• xz —— 压缩率较高、由 -J 选项调用的压缩程序，输出 .tar.xz 归档。

• POSIX —— 定义 ustar 与 pax 等 tar 归档格式标准的规范体系。

• pax —— POSIX.1-2001 中取代 tar 命令的归档工具，支持 pax 交换格式。

• ZIP —— 另一种常见的归档与压缩一体化的文件格式。