我从事数据恢复行业。有时，文档 (.docx) 的开头被覆盖，但文件的大部分内容可能仍然完好无损。 “docx”实际上只是一个 zip 文件，主要文档存储在文件“word/document.xml”中。
一个文档可以被压缩成多个 deflate 块，因此即使开头被覆盖，如果我们只能找到后面的块，它们也可能是可以挽救的。该计划将采用强力方式，尝试在每个位位置解码流。例如，200k 文件意味着尝试解码最多 1.6 兆位次（给予或接受）。
一个有用的事情是块永远不应该以“011”或“111”开头，因为第 2 和 3 位只能是 00、01 或 10（我相信）。这样就淘汰了很多候选人。
还有其他线索可以用来淘汰候选人吗？我们可以假设一个“标准”流，没有奇怪的编码，因为它来自 Microsoft Word。
zlib 的 inflate 会在遇到所有被排除的模式时自动排除它们。例如，动态块头中有几个约束，如果违反，将立即检测到。类似地，将立即检测到存储的块长度的不匹配。存在无效的固定哈夫曼码，会出现在几百字节以内的随机数据中，一遇到就会被检测到。此外，您的无效块类型（3）将立即被检测到。
您不需要自己实施任何特殊规则。 zlib 会检测到它们。
正如评论中所指出的，即使您找到了块的第一位，您也会遇到对该块之前的未压缩数据的引用。你只需要继续前进，直到你希望到达那些你都没有的地方。尽管从文件的开头到结尾，完全有可能继续引用同一个字符串。除非您可以从上下文中正确猜测该字符串是什么，否则压缩数据是不可恢复的。