El formato de archivo ar, abreviatura de formato de archivo Unix, es un formato de archivo utilizado para recopilar varios archivos en un solo archivo para facilitar su almacenamiento y transmisión. Originalmente fue desarrollado para sistemas Unix, pero ahora es ampliamente compatible con diferentes plataformas. El formato ar es más simple y limitado en comparación con los formatos de archivo y compresión más nuevos, pero sigue utilizándose para ciertas aplicaciones.
Un archivo ar consta de un encabezado global, seguido de una serie de encabezados de archivo y datos de archivo. El encabezado global es una cadena ASCII simple que identifica el archivo como un archivo ar. Consiste en los caracteres "!<arch>\n" donde "\n" representa un carácter de nueva línea. Esta cadena mágica permite a las utilidades reconocer fácilmente los archivos ar.
Después del encabezado global están las entradas de archivo individuales. Cada entrada de archivo comienza con un encabezado de archivo que contiene metadatos sobre el archivo. El encabezado del archivo tiene un tamaño fijo de 60 bytes e incluye los siguientes campos: - Nombre del archivo (16 bytes): El nombre del archivo, rellenado con espacios si tiene menos de 16 caracteres. Si el nombre es más largo, se trunca y un carácter "/" final indica que el nombre continúa en la sección de datos del archivo. - Marca de tiempo de modificación (12 bytes): La última marca de tiempo de modificación del archivo en formato de hora Unix decimal, rellenada con espacios. - ID de propietario (6 bytes): El ID de usuario numérico del propietario del archivo, en decimal, rellenado con espacios. - ID de grupo (6 bytes): El ID de grupo numérico del grupo del archivo, en decimal, rellenado con espacios. - Modo de archivo (8 bytes): Los bits de permiso y modo del archivo, en octal, rellenados con espacios. - Tamaño del archivo (10 bytes): El tamaño de los datos del archivo en bytes, en decimal, rellenado con espacios. - Fin del encabezado (2 bytes): Los caracteres "`\n" que marcan el final del encabezado.
Después de cada encabezado de archivo, los datos del archivo se almacenan en el archivo. El tamaño de los datos corresponde al tamaño del archivo especificado en el encabezado. Si el tamaño del archivo es impar, se agrega un byte de relleno adicional para garantizar que el siguiente encabezado de archivo comience en un límite de byte par. Este byte de relleno no se cuenta en el campo de tamaño de archivo del encabezado.
Las entradas de archivos especiales llamadas tablas de símbolos también se pueden incluir en archivos ar. Las entradas de la tabla de símbolos tienen un nombre de archivo que comienza con "/" o "\" seguido de una cadena de dígitos. Estas entradas contienen metadatos utilizados para vincular archivos de objetos entre sí. El formato de los datos de la tabla de símbolos varía entre diferentes sistemas y compiladores.
Los archivos ar no incluyen ninguna compresión incorporada. Los archivos simplemente se concatenan juntos en su forma original. Sin embargo, los archivos individuales dentro de un archivo ar pueden comprimirse utilizando otros algoritmos como gzip antes de agregarse al archivo.
El formato ar tiene algunas limitaciones en comparación con los formatos de archivo más modernos: - Los nombres de archivo están limitados a 16 caracteres, lo que puede ser restrictivo. - Los campos de metadatos numéricos como ID de usuario, ID de grupo y tamaño de archivo tienen tamaños fijos, lo que limita sus valores máximos. - No hay suma de comprobación o verificación de integridad incorporada en el formato. - No se proporciona compresión, lo que da como resultado tamaños de archivo más grandes en comparación con formatos como tar con gzip.
A pesar de estas limitaciones, el formato ar sigue utilizándose para algunas aplicaciones específicas. Un uso común es para archivos de biblioteca estática en sistemas similares a Unix. Estos archivos de biblioteca con una extensión ".a" son archivos ar que contienen archivos de objetos compilados que se pueden vincular a ejecutables. La simplicidad y el amplio soporte del formato ar lo hacen adecuado para este propósito.
En resumen, el formato de archivo ar es una forma sencilla de agrupar varios archivos en un solo archivo. Consiste en un encabezado global seguido de una serie de encabezados de archivo y datos de archivo. Si bien carece de funciones avanzadas como compresión y soporte para nombres de archivo largos, todavía se utiliza en dominios específicos como archivos de biblioteca estática en sistemas Unix debido a su simplicidad y compatibilidad.
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.