SharpCompress 项目新增对 Zip 文件中 UnixTimeExtraField 的支持
在文件压缩和解压缩领域,Zip 格式是最为广泛使用的归档格式之一。SharpCompress 作为一个功能强大的 .NET 压缩解压库,近期对其 Zip 文件处理功能进行了重要增强,新增了对 UnixTimeExtraField 扩展字段的支持。
背景与问题
在标准的 Zip 文件格式中,每个文件条目都包含一个基本的文件头信息,其中就包括文件的最后修改时间。然而,这个标准时间字段存在一些局限性:
- 时间精度只能精确到 2 秒
- 时区信息不明确
- 在某些特殊情况下可能被设置为无效值
为了解决这些问题,Zip 格式支持通过扩展字段(Extra Field)来存储更精确的时间信息。UnixTimeExtraField 就是其中一种常见的扩展字段类型,它采用 Unix 时间戳格式存储时间信息,能够提供:
- 更高精度的时间记录(精确到秒)
- 明确的时区处理
- 更可靠的时间存储方式
技术实现
SharpCompress 通过以下方式实现了对 UnixTimeExtraField 的支持:
-
字段识别:在解析 Zip 文件时,系统会检查是否存在 UnixTimeExtraField 扩展字段
-
优先级处理:当发现 UnixTimeExtraField 时,会优先使用其中存储的时间信息,而不是标准头中的时间字段
-
时间转换:将 Unix 时间戳转换为 .NET 的 DateTime 对象,确保时间信息能够被正确处理和使用
-
双向支持:不仅支持读取包含 UnixTimeExtraField 的 Zip 文件,还支持在创建 Zip 文件时写入这个扩展字段
实际应用价值
这一改进对于以下场景特别有价值:
-
跨平台文件交换:在 Linux/Unix 和 Windows 系统间传输文件时,能够保持精确的时间戳信息
-
备份恢复:确保备份文件能够准确记录原始文件的修改时间
-
构建系统:在持续集成/持续部署流程中,精确的文件时间戳对于增量构建非常重要
-
历史档案:需要长期保存且时间信息必须精确的场景
开发者注意事项
对于使用 SharpCompress 的开发者来说,这一改进意味着:
-
现在可以正确处理更多来源的 Zip 文件,特别是那些来自 Unix/Linux 系统的压缩包
-
时间信息的获取更加可靠,减少了因时间戳无效导致的问题
-
在创建 Zip 文件时,可以考虑使用 UnixTimeExtraField 来确保时间信息的精确性和兼容性
这一功能的加入进一步巩固了 SharpCompress 作为 .NET 平台下全面压缩解压解决方案的地位,使其能够处理更多边缘情况和特殊格式的 Zip 文件。
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-7BSpark-Prover-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-7BSpark-Formalizer-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).Dockerfile014
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