Le format d'archive ar, abréviation de format d'archive Unix, est un format de fichier utilisé pour rassembler plusieurs fichiers dans un seul fichier pour faciliter le stockage et la transmission. Il a été initialement développé pour les systèmes Unix, mais il est désormais largement pris en charge sur différentes plateformes. Le format ar est plus simple et plus limité que les formats d'archivage et de compression plus récents, mais il reste utilisé pour certaines applications.
Un fichier d'archive ar se compose d'un en-tête global, suivi d'une série d'en-têtes de fichier et de données de fichier. L'en-tête global est une simple chaîne ASCII qui identifie le fichier comme une archive ar. Il se compose des caractères "!<arch>\n" où "\n" représente un caractère de nouvelle ligne. Cette chaîne magique permet aux utilitaires de reconnaître facilement les fichiers d'archive ar.
Après l'en-tête global se trouvent les entrées de fichier individuelles. Chaque entrée de fichier commence par un en-tête de fichier qui contient des métadonnées sur le fichier. L'en-tête de fichier a une taille fixe de 60 octets et comprend les champs suivants : - Nom de fichier (16 octets) : le nom du fichier, complété par des espaces s'il est inférieur à 16 caractères. Si le nom est plus long, il est tronqué et un caractère "/" indique que le nom continue dans la section des données du fichier. - Horodatage de modification (12 octets) : le dernier horodatage de modification du fichier au format d'heure Unix décimale, complété par des espaces. - ID du propriétaire (6 octets) : l'ID utilisateur numérique du propriétaire du fichier, en décimal, complété par des espaces. - ID de groupe (6 octets) : l'ID de groupe numérique du groupe du fichier, en décimal, complété par des espaces. - Mode de fichier (8 octets) : les bits de permission et de mode du fichier, en octal, complétés par des espaces. - Taille du fichier (10 octets) : la taille des données du fichier en octets, en décimal, complétée par des espaces. - Fin d'en-tête (2 octets) : les caractères "`\n" qui marquent la fin de l'en-tête.
Après chaque en-tête de fichier, les données du fichier sont stockées dans l'archive. La taille des données correspond à la taille du fichier spécifiée dans l'en-tête. Si la taille du fichier est impaire, un octet de remplissage supplémentaire est ajouté pour garantir que l'en-tête de fichier suivant commence sur une limite d'octet pair. Cet octet de remplissage n'est pas compté dans le champ de taille de fichier de l'en-tête.
Des entrées de fichier spéciales appelées tables de symboles peuvent également être incluses dans les archives ar. Les entrées de table de symboles ont un nom de fichier qui commence par "/" ou "\" suivi d'une chaîne de chiffres. Ces entrées contiennent des métadonnées utilisées pour lier les fichiers objets ensemble. Le format des données de la table des symboles varie selon les systèmes et les compilateurs.
Les archives ar n'incluent aucune compression intégrée. Les fichiers sont simplement concaténés ensemble dans leur forme originale. Cependant, les fichiers individuels dans une archive ar peuvent être compressés à l'aide d'autres algorithmes comme gzip avant d'être ajoutés à l'archive.
Le format ar présente certaines limitations par rapport aux formats d'archive plus modernes : - Les noms de fichiers sont limités à 16 caractères, ce qui peut être restrictif. - Les champs de métadonnées numériques tels que l'ID utilisateur, l'ID de groupe et la taille du fichier ont des tailles fixes, ce qui limite leurs valeurs maximales. - Aucune somme de contrôle ou vérification d'intégrité n'est intégrée au format. - Aucune compression n'est fournie, ce qui entraîne des tailles d'archive plus importantes par rapport à des formats tels que tar avec gzip.
Malgré ces limitations, le format ar reste utilisé pour certaines applications spécifiques. Une utilisation courante est pour les fichiers de bibliothèque statique sur les systèmes de type Unix. Ces fichiers de bibliothèque avec une extension ".a" sont des archives ar contenant des fichiers objets compilés qui peuvent être liés dans des exécutables. La simplicité et la prise en charge étendue du format ar le rendent adapté à cet usage.
En résumé, le format d'archive ar est un moyen simple de regrouper plusieurs fichiers dans un seul fichier. Il se compose d'un en-tête global suivi d'une série d'en-têtes de fichier et de données de fichier. Bien qu'il manque de fonctionnalités avancées telles que la compression et la prise en charge des noms de fichiers longs, il est toujours utilisé dans des domaines spécifiques tels que les fichiers de bibliothèque statique sur les systèmes Unix en raison de sa simplicité et de sa compatibilité.
La compression de fichiers réduit la redondance afin que la même information prenne moins de bits. La limite supérieure de ce que vous pouvez faire est régie par la théorie de l'information : pour la compression sans perte, la limite est l'entropie de la source (voir le théorème de codage de source et son article original de 1948 « Une théorie mathématique de la communication »). Pour la compression avec perte, le compromis entre le débit et la qualité est capturé par la théorie du débit-distorsion.
La plupart des compresseurs ont deux étapes. Premièrement, un modèle prédit ou expose la structure des données. Deuxièmement, un codeur transforme ces prédictions en modèles de bits quasi optimaux. Une famille de modélisation classique est Lempel-Ziv : LZ77 (1977) et LZ78 (1978) détectent les sous-chaînes répétées et émettent des références au lieu d'octets bruts. Du côté du codage, le codage de Huffman (voir l'article original de 1952) attribue des codes plus courts aux symboles les plus probables. Le codage arithmétique et le codage par plage sont des alternatives plus fines qui se rapprochent de la limite de l'entropie, tandis que les systèmes de numération asymétriques (ANS) modernes permettent une compression similaire avec des implémentations rapides basées sur des tables.
DEFLATE (utilisé par gzip, zlib et ZIP) combine LZ77 avec le codage de Huffman. Ses spécifications sont publiques : DEFLATE RFC 1951, wrapper zlib RFC 1950, et format de fichier gzip RFC 1952. Gzip est conçu pour le streaming et explicitement ne tente pas de fournir un accès aléatoire. Les images PNG normalisent DEFLATE comme leur seule méthode de compression (avec une fenêtre maximale de 32 Kio), conformément à la spécification PNG « Méthode de compression 0… dégonfler/gonfler… au plus 32768 octets » et W3C/ISO PNG 2e édition.
Zstandard (zstd) : un compresseur polyvalent plus récent conçu pour des taux de compression élevés avec une décompression très rapide. Le format est documenté dans la RFC 8878 (également miroir HTML) et la spécification de référence sur GitHub. Comme gzip, la trame de base ne vise pas l'accès aléatoire. L'un des superpouvoirs de zstd réside dans les dictionnaires : de petits échantillons de votre corpus qui améliorent considérablement la compression sur de nombreux fichiers minuscules ou similaires (voir la documentation du dictionnaire python-zstandard et l'exemple pratique de Nigel Tao). Les implémentations acceptent à la fois les dictionnaires « non structurés » et « structurés » (discussion).
Brotli : optimisé pour le contenu Web (par exemple, les polices WOFF2, HTTP). Il mélange un dictionnaire statique avec un noyau d'entropie+LZ de type DEFLATE. La spécification est la RFC 7932, qui note également une fenêtre glissante de 2WBITS−16 avec WBITS dans [10, 24] (1 Kio−16 B jusqu'à 16 Mio−16 B) et qu'il ne tente pas d'accès aléatoire. Brotli surpasse souvent gzip sur le texte Web tout en décodant rapidement.
Conteneur ZIP : ZIP est une archive de fichiers qui peut stocker des entrées avec diverses méthodes de compression (deflate, store, zstd, etc.). La norme de facto est l'APPNOTE de PKWARE (voir le portail APPNOTE, une copie hébergée, et les aperçus de la LC Format de fichier ZIP (PKWARE) / ZIP 6.3.3).
LZ4 vise la vitesse brute avec des ratios modestes. Voir sa page de projet (« compression extrêmement rapide ») et son format de trame. Il est idéal pour les caches en mémoire, la télémétrie ou les chemins d'accès très sollicités où la décompression doit être proche de la vitesse de la RAM.
XZ / LZMA visent la densité (excellents ratios) avec une compression relativement lente. XZ est un conteneur ; le gros du travail est généralement effectué par LZMA/LZMA2 (modélisation de type LZ77 + codage par plage). Voir le format de fichier .xz, la spécification LZMA (Pavlov), et les notes du noyau Linux sur XZ Embedded. XZ surcompresse généralement gzip et rivalise souvent avec les codecs modernes à haut ratio, mais avec des temps d'encodage plus lents.
bzip2 applique la transformée de Burrows-Wheeler (BWT), move-to-front, RLE et le codage de Huffman. Il est généralement plus petit que gzip mais plus lent ; voir le manuel officiel et les pages de manuel (Linux).
La « taille de la fenêtre » est importante. Les références DEFLATE ne peuvent remonter que de 32 Kio (RFC 1951 et la limite de 32 Kio de PNG notée ici). La fenêtre de Brotli va d'environ 1 Kio à 16 Mio (RFC 7932). Zstd ajuste la fenêtre et la profondeur de recherche par niveau (RFC 8878). Les flux de base gzip/zstd/brotli sont conçus pour un décodage séquentiel ; les formats de base ne promettent pas d'accès aléatoire, bien que des conteneurs (par exemple, des index tar, un tramage en morceaux ou des index spécifiques au format) puissent l'ajouter.
Les formats ci-dessus sont sans perte : vous pouvez reconstruire les octets exacts. Les codecs multimédias sont souvent avec perte : ils suppriment les détails imperceptibles pour atteindre des débits binaires inférieurs. Dans les images, le JPEG classique (DCT, quantification, codage entropique) est normalisé dans ITU-T T.81 / ISO/IEC 10918-1. En audio, MP3 (MPEG-1 Layer III) et AAC (MPEG-2/4) reposent sur des modèles perceptuels et des transformées MDCT (voir ISO/IEC 11172-3, ISO/IEC 13818-7, et un aperçu de la MDCT ici). Avec et sans perte peuvent coexister (par exemple, PNG pour les ressources de l'interface utilisateur ; codecs Web pour les images/vidéo/audio).
Théorie : Shannon 1948 · Débit-distorsion · Codage : Huffman 1952 · Codage arithmétique · Codage par plage · ANS. Formats : DEFLATE · zlib · gzip · Zstandard · Brotli · Trame LZ4 · Format XZ. Pile BWT : Burrows–Wheeler (1994) · manuel bzip2. Médias : JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Conclusion : choisissez un compresseur qui correspond à vos données et à vos contraintes, mesurez sur des entrées réelles et n'oubliez pas les gains des dictionnaires et du tramage intelligent. Avec la bonne combinaison, vous pouvez obtenir des fichiers plus petits, des transferts plus rapides et des applications plus réactives, sans sacrifier la correction ou la portabilité.
La compression de fichiers est un processus qui réduit la taille d'un fichier ou de fichiers, généralement pour économiser de l'espace de stockage ou accélérer la transmission sur un réseau.
La compression de fichiers fonctionne en identifiant et en supprimant les redondances dans les données. Elle utilise des algorithmes pour encoder les données originales dans un espace plus petit.
Les deux types principaux de compression de fichiers sont la compression sans perte et la compression avec pertes. La compression sans perte permet de restaurer parfaitement le fichier original, tandis que la compression avec pertes permet une réduction de taille plus significative au détriment de la perte de qualité des données.
Un exemple populaire d'un outil de compression de fichiers est WinZip, qui prend en charge de multiples formats de compression dont ZIP et RAR.
Avec la compression sans perte, la qualité reste inchangée. Cependant, avec la compression avec pertes, il peut y avoir une diminution notable de la qualité car elle élimine les données moins importantes pour réduire de manière plus significative la taille du fichier.
Oui, la compression de fichiers est sûre en termes d'intégrité des données, surtout avec la compression sans perte. Cependant, comme tout fichier, les fichiers compressés peuvent être ciblés par des logiciels malveillants ou des virus, il est donc toujours important d'avoir un logiciel de sécurité de confiance en place.
Presque tous les types de fichiers peuvent être compressés, y compris les fichiers texte, images, audio, vidéo, et les fichiers logiciels. Cependant, le niveau de compression réalisable peut varier considérablement selon les types de fichiers.
Un fichier ZIP est un type de format de fichier qui utilise la compression sans perte pour réduire la taille d'un ou de plusieurs fichiers. Plusieurs fichiers dans un fichier ZIP sont effectivement regroupés en un seul fichier, ce qui facilite également le partage.
Techniquement, oui, bien que la réduction de taille supplémentaire puisse être minime voire contre-productive. Compresser un fichier déjà compressé peut parfois augmenter sa taille en raison des métadonnées ajoutées par l'algorithme de compression.
Pour décompresser un fichier, il vous faut généralement un outil de décompression ou de dézippage, comme WinZip ou 7-Zip. Ces outils peuvent extraire les fichiers originaux à partir du format compressé.