El formato de archivo Programmable Web Binary (PWB) es un formato de archivo utilizado para empaquetar, comprimir y distribuir de manera eficiente el código y los recursos de aplicaciones basadas en la web. Fue desarrollado para abordar la creciente complejidad y tamaño de las aplicaciones web modernas que utilizan numerosos archivos de JavaScript, CSS, HTML, imágenes y otros activos. El formato PWB permite que estos archivos se agrupen en un único archivo binario, lo que reduce los requisitos de almacenamiento y permite una transmisión más rápida a través de las redes.
En su núcleo, un archivo PWB consta de un encabezado de archivo seguido de una serie de entradas de archivo. Cada entrada de archivo contiene metadatos sobre un archivo individual almacenado en el archivo, como su nombre, tamaño comprimido y descomprimido y suma de comprobación CRC32 para la verificación de la integridad de los datos. Los datos del archivo real se almacenan después de los metadatos y se comprimen utilizando el algoritmo Deflate, que es una combinación de codificación LZ77 y Huffman.
El encabezado PWB comienza con un número mágico de 4 bytes (0x50574221) para identificar el archivo como un archivo PWB. Después del número mágico hay un número de versión de 2 bytes que indica la versión del formato PWB. La versión actual es 1.0. Después de la versión, hay 4 bytes reservados para uso futuro, seguidos de un entero de 8 bytes que representa el número total de entradas de archivo en el archivo.
Cada entrada de archivo en el archivo PWB comienza con un entero de 4 bytes que especifica la longitud de los metadatos del archivo. Los metadatos se almacenan como un objeto JSON e incluyen propiedades como el nombre del archivo, el tipo MIME, las marcas de tiempo y si está comprimido. Después de la longitud de los metadatos está la cadena de metadatos codificada en JSON real.
Después de los metadatos, se almacenan los datos del archivo comprimido. Los datos están precedidos por un entero de 8 bytes que indica el tamaño comprimido de los datos, seguido de otro entero de 8 bytes para el tamaño descomprimido. Luego, los datos se codifican utilizando el algoritmo de compresión Deflate, que puede reducir significativamente el tamaño de los activos basados en texto como archivos JavaScript, CSS y HTML.
Una de las ventajas clave del formato PWB es su capacidad para almacenar y comprimir de manera eficiente los activos de aplicaciones web. Al utilizar la compresión Deflate, los archivos PWB pueden lograr altas tasas de compresión para archivos basados en texto, que constituyen una gran parte de los activos de aplicaciones web. Esto reduce los requisitos de almacenamiento y acelera las transferencias de archivos, ya que se necesitan transmitir menos datos a través de la red.
Otro beneficio de PWB es su soporte para acceso aleatorio a archivos individuales dentro del archivo. Debido a que los metadatos de cada archivo incluyen su desplazamiento y tamaño dentro del archivo, los archivos se pueden ubicar y extraer rápidamente sin necesidad de descomprimir todo el archivo. Esto es particularmente útil para aplicaciones web grandes con muchos activos, ya que permite una carga eficiente de recursos específicos a pedido.
Para crear un archivo PWB, los desarrolladores pueden utilizar herramientas como PWB Packager, que está disponible como una utilidad de línea de comandos y como una biblioteca para uso programático. PWB Packager toma un directorio de archivos de aplicaciones web como entrada y genera un archivo PWB que contiene todos los archivos y sus metadatos. Los desarrolladores también pueden especificar opciones de configuración, como excluir ciertos archivos o directorios, establecer tipos MIME personalizados y ajustar los niveles de compresión.
Cuando se implementa una aplicación web empaquetada como un archivo PWB, el servidor que aloja la aplicación puede utilizar PWB Converter para extraer y servir los archivos individuales según sea necesario. PWB Converter es una herramienta del lado del servidor que extrae eficientemente archivos de archivos PWB y los almacena en caché en la memoria o en el disco para solicitudes posteriores. Esto permite que el servidor responda rápidamente a las solicitudes del cliente para recursos específicos de la aplicación sin necesidad de extraer todo el archivo cada vez.
El formato PWB también admite la firma digital de archivos para garantizar su integridad y autenticidad. Los desarrolladores pueden incluir una firma digital en el encabezado PWB, que puede ser verificada por el servidor o el cliente para confirmar que el archivo no ha sido manipulado y proviene de una fuente confiable. Esto ayuda a prevenir la modificación no autorizada del código y los recursos de la aplicación web, lo que mejora la seguridad.
En resumen, el formato de archivo PWB es una herramienta poderosa para empaquetar, comprimir y distribuir de manera eficiente los activos de aplicaciones web. Al combinar varios archivos en un único archivo con metadatos y compresión, PWB reduce los requisitos de almacenamiento, acelera las transferencias de archivos y permite el acceso aleatorio a recursos individuales. A medida que las aplicaciones web continúan creciendo en tamaño y complejidad, el formato PWB ayuda a los desarrolladores a optimizar sus aplicaciones para tiempos de carga más rápidos y un mejor rendimiento.
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.