El formato de archivo .whl, que significa "Wheel", es un formato de archivo basado en ZIP diseñado para distribuir e instalar paquetes de Python. Se introdujo en PEP 427 como un reemplazo para el formato .egg anterior. El formato .whl proporciona una forma más eficiente, rápida e independiente de la plataforma de distribuir paquetes de Python en comparación con las distribuciones de origen.
Un archivo .whl es esencialmente un archivo ZIP que sigue una estructura de directorio y una convención de nomenclatura específicas. El archivo contiene el código fuente del paquete de Python, el bytecode compilado y los archivos de metadatos necesarios para la instalación. El formato .whl permite una instalación más rápida porque elimina la necesidad de ejecutar setup.py y compilar el paquete durante la instalación.
La convención de nomenclatura para archivos .whl sigue un patrón específico: {distribución}-{versión}(-{etiqueta de compilación})?-{etiqueta de Python}-{etiqueta de abi}-{etiqueta de plataforma}.whl. Analicemos cada componente: - {distribución}: El nombre del paquete de Python. - {versión}: El número de versión del paquete. - {etiqueta de compilación} (opcional): Una etiqueta que indica una compilación específica del paquete. - {etiqueta de Python}: Indica la implementación y versión de Python, como cp38 para CPython 3.8. - {etiqueta de abi}: Especifica la Interfaz binaria de la aplicación (ABI), como cp38m para CPython 3.8 con Unicode UCS-4. - {etiqueta de plataforma}: Especifica la plataforma de destino, como win_amd64 para Windows de 64 bits. Por ejemplo, un archivo .whl llamado mypackage-1.0.0-cp38-cp38-win_amd64.whl representa la versión 1.0.0 de "mypackage" compilada para CPython 3.8 en Windows de 64 bits.
La estructura del directorio dentro de un archivo .whl sigue un diseño específico. En el nivel superior, hay un directorio "{distribución}-{versión}.dist-info" que contiene archivos de metadatos. El código y los recursos reales del paquete se almacenan en un directorio separado llamado "{distribución}-{versión}.data". Dentro del directorio ".dist-info", normalmente encontrarás los siguientes archivos: - METADATA: Contiene metadatos del paquete como nombre, versión, autor y dependencias. - WHEEL: Especifica la versión de la especificación de Wheel y las etiquetas de compatibilidad del paquete. - RECORD: Una lista de todos los archivos incluidos en el archivo .whl junto con sus hashes para verificación de integridad. - entry_points.txt (opcional): Define puntos de entrada para el paquete, como scripts de consola o complementos. - LICENSE.txt (opcional): Contiene la información de licencia del paquete. El directorio ".data" contiene el código y los recursos reales del paquete, organizados según la estructura interna del paquete.
Para crear un archivo .whl, normalmente se utiliza una herramienta como setuptools o pip. Estas herramientas generan automáticamente los archivos de metadatos necesarios y empaquetan el código en el formato .whl según el archivo setup.py del paquete o la configuración pyproject.toml. Por ejemplo, ejecutar `python setup.py bdist_wheel` o `pip wheel .` en el directorio del paquete generará un archivo .whl en el directorio "dist".
Al instalar un paquete desde un archivo .whl, herramientas como pip manejan el proceso de instalación. Extraen el contenido del archivo .whl, verifican la integridad de los archivos utilizando la información en el archivo RECORD e instalan el paquete en la ubicación adecuada en el entorno de Python. Los archivos de metadatos en el directorio ".dist-info" se utilizan para rastrear el paquete instalado y sus dependencias.
Una de las principales ventajas del formato .whl es su capacidad para proporcionar paquetes precompilados y específicos de la plataforma. Esto significa que los usuarios pueden instalar paquetes sin necesidad de tener un entorno de compilación compatible o compilar el paquete desde el origen. Los archivos .whl se pueden compilar y distribuir para diferentes plataformas y versiones de Python, lo que facilita la distribución de paquetes a una amplia gama de usuarios.
Otro beneficio del formato .whl es su velocidad de instalación más rápida en comparación con las distribuciones de origen. Dado que los archivos .whl contienen bytecode precompilado y no requieren ejecutar setup.py durante la instalación, el proceso de instalación es significativamente más rápido. Esto es particularmente notable para paquetes con procesos de compilación o dependencias complejas.
El formato .whl también admite varias funciones y extensiones. Por ejemplo, permite la inclusión de extensiones compiladas (por ejemplo, extensiones C) dentro del archivo, lo que hace conveniente distribuir paquetes con código nativo. También admite el concepto de "referencias URL directas" (PEP 610), que permite especificar URL para dependencias de paquetes, lo que permite mecanismos de distribución más flexibles.
En conclusión, el formato de archivo .whl es una forma estandarizada y eficiente de distribuir paquetes de Python. Proporciona un proceso de instalación más rápido e independiente de la plataforma en comparación con las distribuciones de origen. Siguiendo una estructura de directorio y una convención de nomenclatura específicas, los archivos .whl encapsulan el código del paquete, los metadatos y las dependencias en un solo archivo. La adopción generalizada del formato .whl ha simplificado enormemente la distribución e instalación de paquetes de Python, lo que facilita que los desarrolladores compartan sus bibliotecas y que los usuarios las instalen sin problemas.
La compresión de archivos reduce la redundancia para que la misma información ocupe menos bits. El límite superior de hasta dónde se puede llegar está gobernado por la teoría de la información: para la compresión sin pérdidas, el límite es la entropía de la fuente (véase el teorema de codificación de fuente y su artículo original de 1948 “Una teoría matemática de la comunicación”). Para la compresión con pérdidas, el equilibrio entre la tasa y la calidad se captura mediante la teoría de la tasa-distorsión.
La mayoría de los compresores tienen dos etapas. Primero, un modelo predice o expone la estructura de los datos. Segundo, un codificador convierte esas predicciones en patrones de bits casi óptimos. Una familia clásica de modelado es Lempel-Ziv: LZ77 (1977) y LZ78 (1978) detectan subcadenas repetidas y emiten referencias en lugar de bytes sin procesar. En el lado de la codificación, la codificación de Huffman (véase el artículo original de 1952) asigna códigos más cortos a los símbolos más probables. La codificación aritmética y la codificación por rangos son alternativas más detalladas que se acercan más al límite de la entropía, mientras que los modernos Sistemas Numéricos Asimétricos (ANS) logran una compresión similar con implementaciones rápidas basadas en tablas.
DEFLATE (utilizado por gzip, zlib y ZIP) combina LZ77 con la codificación de Huffman. Sus especificaciones son públicas: DEFLATE RFC 1951, envoltura zlib RFC 1950, y formato de archivo gzip RFC 1952. Gzip está diseñado para la transmisión y explícitamente no intenta proporcionar acceso aleatorio. Las imágenes PNG estandarizan DEFLATE como su único método de compresión (con una ventana máxima de 32 KiB), según la especificación de PNG “Método de compresión 0… deflate/inflate… como máximo 32768 bytes” y W3C/ISO PNG 2ª Edición.
Zstandard (zstd): un compresor de propósito general más nuevo diseñado para altas relaciones de compresión con una descompresión muy rápida. El formato está documentado en RFC 8878 (también espejo HTML) y la especificación de referencia en GitHub. Al igual que gzip, el marco básico no tiene como objetivo el acceso aleatorio. Uno de los superpoderes de zstd son los diccionarios: pequeñas muestras de su corpus que mejoran drásticamente la compresión en muchos archivos pequeños o similares (véase documentación del diccionario python-zstandard y el ejemplo práctico de Nigel Tao). Las implementaciones aceptan diccionarios tanto “no estructurados” como “estructurados” (discusión).
Brotli: optimizado para contenido web (por ejemplo, fuentes WOFF2, HTTP). Mezcla un diccionario estático con un núcleo de entropía+LZ similar a DEFLATE. La especificación es RFC 7932, que también señala una ventana deslizante de 2WBITS−16 con WBITS en [10, 24] (1 KiB−16 B hasta 16 MiB−16 B) y que no intenta el acceso aleatorio. Brotli a menudo supera a gzip en texto web mientras se decodifica rápidamente.
Contenedor ZIP: ZIP es un archivo de ficheros que puede almacenar entradas con varios métodos de compresión (deflate, store, zstd, etc.). El estándar de facto es la APPNOTE de PKWARE (véase APPNOTE portal, una copia alojada, y resúmenes de LC Formato de archivo ZIP (PKWARE) / ZIP 6.3.3).
LZ4 se centra en la velocidad bruta con relaciones modestas. Véase su página del proyecto („compresión extremadamente rápida“) y formato de trama. Es ideal para cachés en memoria, telemetría o rutas calientes donde la descompresión debe ser cercana a la velocidad de la RAM.
XZ / LZMA buscan la densidad (grandes relaciones) con una compresión relativamente lenta. XZ es un contenedor; el trabajo pesado lo realiza normalmente LZMA/LZMA2 (modelado tipo LZ77 + codificación por rangos). Véase formato de archivo .xz, la especificación de LZMA (Pavlov), y las notas del kernel de Linux sobre XZ Embedded. XZ suele comprimir más que gzip y a menudo compite con los códecs modernos de alta relación, pero con tiempos de codificación más lentos.
bzip2 aplica la Transformada de Burrows-Wheeler (BWT), move-to-front, RLE y codificación de Huffman. Suele ser más pequeño que gzip pero más lento; véase el manual oficial y las páginas del manual (Linux).
El „tamaño de la ventana“ importa. Las referencias de DEFLATE solo pueden mirar hacia atrás 32 KiB (RFC 1951 y el límite de 32 KiB de PNG señalado aquí). La ventana de Brotli varía de aproximadamente 1 KiB a 16 MiB (RFC 7932). Zstd ajusta la ventana y la profundidad de búsqueda por nivel (RFC 8878). Los flujos básicos de gzip/zstd/brotli están diseñados para la decodificación secuencial; los formatos base no prometen acceso aleatorio, aunque los contenedores (por ejemplo, índices tar, tramas fragmentadas o índices específicos del formato) pueden superponerlo.
Los formatos anteriores son sin pérdidas: se pueden reconstruir los bytes exactos. Los códecs de medios suelen ser con pérdidas: descartan detalles imperceptibles para alcanzar tasas de bits más bajas. En imágenes, el JPEG clásico (DCT, cuantificación, codificación de entropía) está estandarizado en ITU-T T.81 / ISO/IEC 10918-1. En audio, MP3 (MPEG-1 Layer III) y AAC (MPEG-2/4) se basan en modelos perceptuales y transformadas MDCT (véase ISO/IEC 11172-3, ISO/IEC 13818-7, y un resumen de MDCT aquí). Con y sin pérdidas pueden coexistir (por ejemplo, PNG para activos de interfaz de usuario; códecs web para imágenes/vídeo/audio).
Teoría: Shannon 1948 · Tasa-distorsión · Codificación: Huffman 1952 · Codificación aritmética · Codificación por rangos · ANS. Formatos: DEFLATE · zlib · gzip · Zstandard · Brotli · Trama LZ4 · Formato XZ. Pila BWT: Burrows–Wheeler (1994) · manual de bzip2. Medios: JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
En resumen: elija un compresor que se ajuste a sus datos y restricciones, mida con entradas reales y no olvide las ganancias de los diccionarios y el entramado inteligente. Con la combinación adecuada, puede obtener archivos más pequeños, transferencias más rápidas y aplicaciones más ágiles, sin sacrificar la corrección o la portabilidad.
La compresión de archivos es un proceso que reduce el tamaño de un archivo o archivos, típicamente para ahorrar espacio de almacenamiento o acelerar la transmisión a través de una red.
La compresión de archivos funciona identificando y eliminando la redundancia en los datos. Utiliza algoritmos para codificar los datos originales en un espacio menor.
Los dos tipos principales de compresión de archivos son la compresión sin pérdida y la compresión con pérdida. La compresión sin pérdida permite restaurar perfectamente el archivo original, mientras que la compresión con pérdida permite una reducción de tamaño más significativa a costa de alguna pérdida en la calidad de los datos.
Un ejemplo popular de una herramienta de compresión de archivos es WinZip, que admite varios formatos de compresión incluyendo ZIP y RAR.
Con la compresión sin pérdida, la calidad permanece sin cambios. Sin embargo, con la compresión con pérdida, puede haber una disminución notable en la calidad, ya que elimina datos menos importantes para reducir de manera más significativa el tamaño del archivo.
Sí, la compresión de archivos es segura en términos de integridad de datos, especialmente con la compresión sin pérdida. Sin embargo, como en todos los archivos, los archivos comprimidos pueden ser objeto de malware o virus, por lo que siempre es importante tener un software de seguridad de confianza en funcionamiento.
Casi todos los tipos de archivos se pueden comprimir, incluyendo archivos de texto, imágenes, audio, video y archivos de software. Sin embargo, el nivel de compresión alcanzable puede variar significativamente entre los tipos de archivos.
Un archivo ZIP es un tipo de formato de archivo que utiliza compresión sin pérdida para reducir el tamaño de uno o varios archivos. Varios archivos en un archivo ZIP se agrupan efectivamente en un solo archivo, lo que también facilita la compartición.
Técnicamente, sí, aunque la reducción de tamaño adicional podría ser mínima o incluso contraproducente. Comprimir un archivo ya comprimido a veces aumenta su tamaño debido a los metadatos agregados por el algoritmo de compresión.
Para descomprimir un archivo, generalmente necesitas una herramienta de descompresión, como WinZip o 7-Zip. Estas herramientas pueden extraer los archivos originales del formato comprimido.