4. 固件压缩算法识别与解压

任务目标

给定一个经过压缩的固件镜像文件，通过文件头特征识别其使用的压缩算法（gzip或LZMA），并完成解压，恢复原始固件内容。本案例以实际固件中常见的gzip和LZMA两种算法为对象，提供可独立运行的Python识别与解压脚本。

环境依赖

• Python 3.6+
• 标准库：gzip、lzma、binascii（无需第三方包）

核心实现

固件压缩算法识别基于文件头魔数：gzip以1F 8B开头，LZMA单独使用（非XZ容器）时通常以5D 00 00开头（LZMA SDK默认属性字节）。以下代码读取固件文件，自动识别并解压：

import gzip
import lzma
import sys
import os

def identify_and_decompress(input_path, output_path=None):
    """识别固件压缩算法并解压。支持gzip和LZMA（裸流）。"""
    with open(input_path, 'rb') as f:
        data = f.read()

    if len(data) < 4:
        raise ValueError("文件过小，无法识别压缩格式")

    # 识别压缩算法
    if data[:2] == b'\x1f\x8b':
        algo = 'gzip'
        try:
            decompressed = gzip.decompress(data)
        except OSError as e:
            raise RuntimeError(f"gzip解压失败: {e}")
    elif data[:3] == b'\x5d\x00\x00':
        algo = 'lzma'
        try:
            # 裸LZMA流需要显式指定格式
            decompressed = lzma.decompress(data, format=lzma.FORMAT_ALONE)
        except lzma.LZMAError as e:
            raise RuntimeError(f"LZMA解压失败: {e}")
    else:
        raise ValueError(f"无法识别的压缩格式 (文件头: {data[:4].hex()})")

    # 输出结果
    if output_path is None:
        output_path = input_path + '.out'
    with open(output_path, 'wb') as f:
        f.write(decompressed)

    print(f"识别算法: {algo}")
    print(f"原始大小: {len(data)} 字节")
    print(f"解压大小: {len(decompressed)} 字节")
    print(f"输出文件: {output_path}")
    return algo, decompressed

if __name__ == '__main__':
    if len(sys.argv) < 2:
        print("用法: python firmware_decompress.py <固件文件> [输出文件]")
        sys.exit(1)
    identify_and_decompress(sys.argv[1], sys.argv[2] if len(sys.argv) > 2 else None)

运行方式

# 对固件文件执行识别与解压
python firmware_decompress.py firmware.bin

# 指定输出文件名
python firmware_decompress.py firmware.bin firmware.raw

验证方法

使用已知压缩工具构造测试样本，验证脚本正确性：

# 构造gzip测试样本
echo "test gzip firmware content" > test.txt
gzip -k test.txt          # 生成 test.txt.gz

# 构造LZMA测试样本（使用Python生成裸LZMA流）
python -c "
import lzma
data = b'test lzma firmware content'
comp = lzma.compress(data, format=lzma.FORMAT_ALONE)
open('test.lzma', 'wb').write(comp)
print('LZMA样本已生成')
"

# 运行识别脚本
python firmware_decompress.py test.txt.gz
python firmware_decompress.py test.lzma

通过条件：脚本输出正确的算法名称（gzip/LZMA），解压后的文件内容与原始test.txt完全一致（可用diff test.txt test.txt.gz.out验证）。若固件使用其他压缩算法（如zlib、xz容器），脚本会明确提示“无法识别的压缩格式”，此时需根据实际固件扩展识别规则。

常见问题

• LZMA解压报错：部分固件使用XZ容器（文件头FD 37 7A 58）而非裸LZMA流。若遇到此情况，将代码中format=lzma.FORMAT_ALONE改为format=lzma.FORMAT_XZ即可。
• 多层压缩：某些固件先压缩再加密或多次压缩。本脚本只处理单层压缩，若解压后数据仍非明文，需对输出文件再次执行识别流程。
• 文件头偏移：部分固件在压缩数据前有头部描述信息。若识别失败，可尝试在文件中搜索1F 8B或5D 00 00特征字节，从偏移位置截取后解压。