Le format d'archive Programmable Web Binary (PWB) est un format de fichier utilisé pour empaqueter, compresser et distribuer efficacement le code et les ressources d'applications Web. Il a été développé pour répondre à la complexité et à la taille croissantes des applications Web modernes qui utilisent de nombreux fichiers JavaScript, CSS, HTML, images et autres ressources. Le format PWB permet de regrouper ces fichiers dans une seule archive binaire, ce qui réduit les besoins de stockage et permet une transmission plus rapide sur les réseaux.
À la base, une archive PWB se compose d'un en-tête de fichier suivi d'une série d'entrées de fichier. Chaque entrée de fichier contient des métadonnées sur un fichier individuel stocké dans l'archive, telles que son nom, sa taille compressée et non compressée et sa somme de contrôle CRC32 pour la vérification de l'intégrité des données. Les données du fichier réel sont stockées après les métadonnées et sont compressées à l'aide de l'algorithme Deflate, qui est une combinaison de codage LZ77 et Huffman.
L'en-tête PWB commence par un nombre magique de 4 octets (0x50574221) pour identifier le fichier comme une archive PWB. Le nombre magique est suivi d'un numéro de version de 2 octets indiquant la version du format PWB. La version actuelle est 1.0. Après la version, il y a 4 octets réservés pour une utilisation future, suivis d'un entier de 8 octets représentant le nombre total d'entrées de fichier dans l'archive.
Chaque entrée de fichier dans l'archive PWB commence par un entier de 4 octets spécifiant la longueur des métadonnées du fichier. Les métadonnées sont stockées sous forme d'objet JSON et incluent des propriétés telles que le nom du fichier, le type MIME, les horodatages et s'il est compressé. La longueur des métadonnées est suivie de la chaîne de métadonnées encodée en JSON.
Après les métadonnées, les données du fichier compressé sont stockées. Les données sont précédées d'un entier de 8 octets indiquant la taille compressée des donn ées, suivi d'un autre entier de 8 octets pour la taille non compressée. Les données sont ensuite encodées à l'aide de l'algorithme de compression Deflate, qui peut réduire considérablement la taille des ressources textuelles telles que les fichiers JavaScript, CSS et HTML.
L'un des principaux avantages du format PWB est sa capacité à stocker et à compresser efficacement les ressources des applications Web. En utilisant la compression Deflate, les archives PWB peuvent atteindre des taux de compression élevés pour les fichiers texte, qui constituent une grande partie des ressources des applications Web. Cela réduit les besoins de stockage et accélère les transferts de fichiers, car moins de données doivent être transmises sur le réseau.
Un autre avantage de PWB est sa prise en charge de l'accès aléatoire aux fichiers individuels dans l'archive. Étant donné que les métadonnées de chaque fichier incluent son décalage et sa taille dans l'archive, les fichiers peuvent être rapidement localisés et extraits sans avoir besoin de décompresser l'intégralité de l'archive. Ceci est particulièrement utile pour les applications Web volumineuses avec de nombreuses ressources, car cela permet de charger efficacement des ressources spécifiques à la demande.
Pour créer une archive PWB, les développeurs peuvent utiliser des outils tels que PWB Packager, qui est disponible en tant qu'utilitaire de ligne de commande et en tant que bibliothèque pour une utilisation programmatique. PWB Packager prend un répertoire de fichiers d'application Web en entrée et génère une archive PWB contenant tous les fichiers et leurs métadonnées. Les développeurs peuvent également spécifier des options de configuration, telles que l'exclusion de certains fichiers ou répertoires, la définition de types MIME personnalisés et l'ajustement des niveaux de compression.
Lorsqu'une application Web empaquetée sous forme d'archive PWB est déployée, le serveur hébergeant l'application peut utiliser PWB Converter pour extraire et diffuser les fichiers individuels selon les besoins. PWB Converter est un outil côté serveur qui extrait efficacement les fichiers des archives PWB et les met en cache en mémoire ou sur disque pour les demandes ultérieures. Cela permet au serveur de répondre rapidement aux demandes des clients pour des ressources d'application spécifiques sans avoir besoin d'extraire l'intégralité de l'archive à chaque fois.
Le format PWB prend également en charge la signature numérique des archives pour garantir leur intégrité et leur authenticité. Les développeurs peuvent inclure une signature numérique dans l'en-tête PWB, qui peut être vérifiée par le serveur ou le client pour confirmer que l'archive n'a pas été altérée et provient d'une source fiable. Cela permet d'empêcher la modification non autorisée du code et des ressources de l'application Web, améliorant ainsi la sécurité.
En résumé, le format d'archive PWB est un outil puissant pour empaqueter, compresser et distribuer efficacement les ressources des applications Web. En combinant plusieurs fichiers dans une seule archive avec des métadonnées et une compression, PWB réduit les besoins de stockage, accélère les transferts de fichiers et permet un accès aléatoire aux ressources individuelles. Alors que les applications Web continuent de croître en taille et en complexité, le format PWB aide les développeurs à optimiser leurs applications pour des temps de chargement plus rapides et des performances améliorées.
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.