Go archive/tar 怎么识别稀疏文件条目

archive/tar 没有统一的 IsSparse 字段，识别时要看归档格式留下的标记：旧 GNU 稀疏格式通常表现为 Header.Typeflag == tar.TypeGNUSparse；PAX 稀疏格式则可在 Header.PAXRecords 中检查 GNU.sparse. 前缀。识别以后还要记住，Header.Size 是文件的逻辑大小，不等于归档中真正保存的数据字节数。

先从两类元数据标记入手

GNU tar 历史上有专用的稀疏条目类型，Go 将它公开为 TypeGNUSparse。较新的 PAX 方案把稀疏信息放进扩展记录，例如 GNU.sparse.map、版本号或逻辑大小相关键。判断函数应同时覆盖这两条线索，而不是只看 Typeflag。

func sparseKind(h *tar.Header) string {
    if h.Typeflag == tar.TypeGNUSparse {
        return "gnu-old" // 旧 GNU 稀疏条目使用专用类型
    }
    for key := range h.PAXRecords {
        if strings.HasPrefix(key, "GNU.sparse.") {
            return "pax-gnu" // PAX 方案通过 GNU 扩展键描述稀疏信息
        }
    }
    return ""
}

把判断放进 Reader.Next 循环

下面的扫描器只读取条目头，不需要把文件内容全部复制到内存。遇到普通条目时继续遍历；发现稀疏标记时输出条目名称、逻辑大小和格式提示，便于后续决定是提取、审计还是交给其他工具处理。

func scanSparse(path string) error {
    file, err := os.Open(path)
    if err != nil {
        return err
    }
    defer file.Close() // 扫描结束后释放归档文件句柄

    tr := tar.NewReader(file)
    for {
        hdr, err := tr.Next()
        if err == io.EOF {
            return nil // 已遍历完整个归档
        }
        if err != nil {
            return err // 头部损坏或底层读取失败时立即返回
        }
        if kind := sparseKind(hdr); kind != "" {
            fmt.Printf("sparse=%s name=%q logical=%d format=%s\n",
                kind, hdr.Name, hdr.Size, hdr.Format)
        }
    }
}

这个判断识别的是归档中的明确稀疏元数据。没有命中并不等于原始磁盘文件一定不是稀疏文件，因为归档工具可能已经把洞区展开成普通零字节数据。

理解 Reader 返回的逻辑数据视图

Go 的 Reader 会解析支持的稀疏映射，对调用方仍表现为连续的 io.Reader。官方文档明确说明：当前文件为稀疏文件时，洞区会读回 NUL 字节。因此 io.Copy 得到的是逻辑内容视图，不能据此推算归档内的物理占用。

重新打包时不要假设稀疏布局会保留

archive/tar.Writer 当前不支持创建稀疏文件。即使 Reader 能透明读出洞区，把连续逻辑内容写进新的普通条目也不会自动恢复原稀疏映射，归档可能显著变大。只做检查时保留原包；需要保持稀疏布局时，应选择明确支持对应 GNU/PAX 稀疏格式的归档工具，并单独验证输出格式。

常见问题

只判断 TypeGNUSparse 为什么漏掉文件？

因为 PAX 稀疏格式通常仍是普通文件条目，稀疏信息在 PAXRecords 的 GNU.sparse. 扩展键中，需要同时检查。

读取洞区会返回 EOF 吗？

不会因为洞区提前结束。Reader 会把洞区作为 NUL 字节返回，直到当前条目的逻辑大小读取完毕，之后才返回该文件的 io.EOF。