Le format RAR (Roshal Archive) est un format de fichier d'archive propriétaire développé par Eugene Roshal. Il a été publié pour la première fois en 1993 et est depuis devenu un choix populaire pour la compression et l'archivage de données en raison de sa compression efficace, de sa prise en charge de plusieurs volumes, de sa récupération d'erreurs et de son cryptage puissant. Le format utilise une combinaison d'algorithmes de compression sans perte, notamment LZSS, PPM et l'encodage Huffman, pour obtenir des taux de compression élevés tout en préservant l'intégrité des données.
Une archive RAR se compose d'une série de « blocs » qui contiennent des fichiers compressés, des répertoires et des métadonnées. L'archive commence par un bloc marqueur, qui identifie le fichier comme une archive RAR et spécifie la version de l'archive. Après le bloc marqueur, l'archive contient un bloc d'en-tête principal qui fournit des informations générales sur l'archive, telles que la taille totale, le nombre de volumes et la méthode de cryptage utilisée (le cas échéant).
Chaque fichier compressé dans l'archive est stocké sous forme de bloc d'en-tête de fichier suivi d'un ou plusieurs blocs de données compressées. Le bloc d'en-tête de fichier contient des métadonnées sur le fichier, telles que son nom, sa taille, son horodatage, ses attributs et sa somme de contrôle CRC32. Les blocs de données compressées contiennent les données réelles du fichier compressé, qui peuvent être réparties sur plusieurs blocs si nécessaire.
RAR utilise une approche d'archivage solide, ce qui signifie que les fichiers sont compressés ensemble en un seul flux de données continu, plutôt que d'être compressés individuellement. Cette approche peut conduire à des taux de compression plus élevés, en particulier pour les collections de fichiers similaires, car le compresseur peut tirer parti des redondances entre les fichiers. Cependant, les archives solides peuvent être moins résistantes à la corruption des données, car une seule erreur peut affecter plusieurs fichiers.
Pour garantir l'intégrité des données, RAR utilise un système d'enregistrement de récupération. Les enregistrements de récupération sont des blocs spéciaux qui contiennent des informations redondantes sur la structure de l'archive et les métadonnées des fichiers. En cas de corruption des données, ces enregistrements peuvent être utilisés pour reconstruire les parties endommagées de l'archive. Le nombre et la taille des enregistrements de récupération peuvent être configurés par l'utilisateur lors de la création de l'archive.
RAR prend en charge les archives multivolumes, ce qui permet de diviser les archives volumineuses en morceaux plus petits et plus faciles à gérer. Chaque volume d'une archive multivolume est un fichier RAR distinct avec son propre bloc marqueur et son propre en-tête, mais avec des informations supplémentaires indiquant sa position dans l'ensemble. Les archives multivolumes peuvent être utiles pour stocker ou transférer de grands ensembles de données sur des supports de stockage de capacité limitée, tels que des CD ou des DVD.
Le format RAR offre de solides capacités de cryptage pour protéger les données sensibles. Les archives peuvent être cryptées à l'aide de l'algorithme AES (Advanced Encryption Standard) avec une clé de 128 ou 256 bits. Lorsqu'une archive est cryptée, toutes les données et métadonnées du fichier sont protégées, et un mot de passe est requis pour extraire le contenu. RAR prend également en charge un algorithme de cryptage propriétaire plus récent appelé RAR5, conçu pour être plus sûr que l'ancienne méthode AES.
L'une des caractéristiques distinctives du format RAR est sa prise en charge de la compression de fichiers fractionnés. Cette fonctionnalité permet de diviser les fichiers volumineux en parties plus petites avant la compression, qui peuvent ensuite être extraites et réassemblées de manière transparente par le décompresseur. La compression de fichiers fractionnés peut être utile pour optimiser le stockage ou la transmission de fichiers volumineux sur des réseaux à bande passante limitée ou connectés par intermittence.
Outre ses capacités de compression et d'archivage, RAR prend également en charge plusieurs fonctionnalités avancées, telles que les commentaires d'archive, les listes de fichiers protégées par mot de passe et la vérification d'authenticité à l'aide de signatures numériques. Les commentaires d'archive permettent aux utilisateurs d'attacher du texte descriptif à une archive, qui peut être utilisé pour fournir un contexte supplémentaire ou des instructions pour extraire le contenu. Les listes de fichiers protégées par mot de passe masquent les noms des fichiers cryptés jusqu'à ce que le mot de passe correct soit fourni. La vérification de la signature numérique permet aux utilisateurs de s'assurer qu'une archive provient d'une source fiable et qu'elle n'a pas été altérée.
Bien que le format RAR offre de nombreux avantages en termes d'efficacité de compression, de protection des données et de richesse fonctionnelle, il présente quelques inconvénients. Le plus important d'entre eux est que RAR est un format propriétaire, et les implémentations officielles du compresseur et du décompresseur sont fermées. Cela peut limiter l'interopérabilité et rendre plus difficile pour les développeurs tiers de créer des outils compatibles. De plus, certaines des fonctionnalités les plus avancées de RAR, telles que l'algorithme de cryptage RAR5, peuvent ne pas être prises en charge par tous les décompresseurs.
Malgré ces limitations, RAR reste un format d'archive largement utilisé et bien pris en charge, en particulier sur les systèmes Windows. Sa compression efficace, sa récupération d'erreurs robuste et ses fonctionnalités de cryptage puissantes en font un choix solide pour l'archivage et la protection des données importantes. Avec une utilisation appropriée des enregistrements de récupération, des archives multivolumes et des sauvegardes régulières, les archives RAR peuvent fournir un stockage fiable à long terme pour les fichiers et les ensembles de données critiques.
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.