Zip.js 库中处理 ZIP 文件 Unix 权限的技术解析
在 Node.js 和 Deno 环境中处理 ZIP 文件时,开发者经常会遇到一个常见问题:使用 ZipReaderStream 解压文件时,Unix 系统下的文件权限信息会丢失。这个问题尤其影响那些需要保留可执行权限的脚本文件。
问题根源分析
ZIP 文件格式规范中确实包含了外部文件属性字段(external file attributes),这个字段可以存储操作系统特定的文件属性。然而,zip.js 库最初是为浏览器环境设计的,因此没有原生支持解析这些操作系统特定的权限信息。
技术解决方案
最新版本的 zip.js(v2.7.56 及以上)已经引入了对 Unix 权限的支持。库现在提供了以下关键特性:
-
executable 属性:Entry 对象现在包含一个 executable 属性,开发者可以直接检查文件是否应该具有可执行权限。
-
底层属性访问:仍然可以通过 externalfileattribute 属性访问原始的外部文件属性值,供需要更精细控制的开发者使用。
实际应用示例
在 Deno 环境中解压并保留文件权限的推荐做法:
for await (const entry of zip.readable.pipeThrough(new ZipReaderStream())) {
const fullPath = resolve("./tmp", entry.filename);
if (entry.directory) {
await ensureDir(fullPath);
continue;
}
await ensureFile(fullPath);
const file = await Deno.create(fullPath);
await entry.readable?.pipeTo(file.writable);
// 设置可执行权限
if (entry.executable) {
await Deno.chmod(fullPath, 0o755);
}
}
技术细节说明
-
版本兼容性检查:在实际应用中,应该先检查 versionMadeBy 属性的高位字节,确认文件创建系统是 Unix(值为3)。
-
权限位解析:Unix 权限信息存储在外置文件属性的高16位中,其中 0o111 位掩码表示可执行权限。
-
写入时处理:在文件写入完成后,需要显式调用系统API设置文件权限,因为大多数文件系统API不会自动从ZIP属性继承权限。
最佳实践建议
-
始终使用最新版本的 zip.js 库以获得完整的权限支持。
-
对于关键任务应用,建议在解压后验证重要文件的权限设置。
-
考虑在应用程序中添加回退逻辑,当权限信息不可用时使用合理的默认值。
通过正确使用这些技术特性,开发者可以确保在跨平台应用中完整保留和恢复文件的原始权限设置,这对于部署脚本和可执行文件尤为重要。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00