压缩两个内容一致的目录为何得到不同的二进制文件？

操作环境 #

• Mac系统
• 系统预装工具：zip 3.0，unzip 6.0

操作步骤 #

步骤1：第一次处理PPTX文件 #

从普通pptx文件开始，解压、整理XML后重新压缩：

unzip V1.pptx -d dir
cd dir
find . -name "*.xml" -type f -exec xmllint --output '{}' --format '{}' \;
zip -0 ../V1Orig.pptx -r *

得到压缩文件V1Orig.pptx。

步骤2：第二次处理PPTX文件 #

将V1Orig.pptx解压、再次整理XML后重新压缩：

unzip V1Orig.pptx -d copy
cd copy
find . -name "*.xml" -type f -exec xmllint --output '{}' --format '{}' \;
zip -0 ../V1Copy.pptx -r *

出现的现象 #

1. 目录内容对比一致：

Common subdirectories: orig/_rels and copy/_rels
Common subdirectories: orig/docProps and copy/docProps
Common subdirectories: orig/ppt and copy/ppt

2. 压缩文件对比不一致：

diff V1Orig.pptx V1Copy.pptx
Binary files V1Orig.pptx and V1Copy.pptx differ

查看两个目录的文件列表（注意文件/文件夹的顺序）：

ls -rtla orig
total 8
drwxr-xr-x  11 fultonm  wheel   352 10 Jan 16:49 ppt
drwxr-xr-x   5 fultonm  wheel   160 10 Jan 16:49 docProps
drwxr-xr-x   3 fultonm  wheel    96 10 Jan 16:49 _rels
drwxr-xr-x   6 fultonm  wheel   192 14 Jan 10:40 .
-rw-r--r--   1 fultonm  wheel  3212 14 Jan 10:42 [Content_Types].xml
drwxr-xr-x   8 fultonm  wheel   256 14 Jan 10:57 ..
fultonm@mikes-MacBook-Pro-2 /tmp/handzip>ls -rtla copy
total 8
drwxr-xr-x   5 fultonm  wheel   160 14 Jan 10:42 docProps
drwxr-xr-x   3 fultonm  wheel    96 14 Jan 10:42 _rels
drwxr-xr-x   6 fultonm  wheel   192 14 Jan 10:42 .
drwxr-xr-x  11 fultonm  wheel   352 14 Jan 10:42 ppt
-rw-r--r--   1 fultonm  wheel  3212 14 Jan 10:42 [Content_Types].xml
drwxr-xr-x   8 fultonm  wheel   256 14 Jan 10:57 ..

原因解析 #

这是因为zip压缩包的差异来自两个核心因素：

1. 文件在压缩包中的存储顺序：
   使用zip -r *时，shell会按照当前目录下文件/文件夹的排序结果依次添加内容到压缩包。从ls -rtla的输出可以看到，orig和copy目录里的文件夹顺序明显不同（orig是ppt→docProps→_rels，copy是docProps→_rels→ppt），这直接导致压缩包内的文件存储顺序不一样，最终生成的zip文件自然不同。

2. 文件的元数据差异：
   zip压缩包会记录文件的元数据（比如修改时间、权限等）。orig目录里的ppt、docProps、_rels文件夹修改时间是1月10日，而copy目录里的所有文件夹修改时间都是1月14日，这些元数据的差异也会被写入zip文件，即使文件内容完全一致，也会导致压缩包的MD5值和二进制内容不同。

内容的提问来源于stack exchange，提问作者mike