7-Zip est un outil d'archivage et de compression de fichiers populaire qui utilise son propre format d'archive, connu sous le nom de format 7z. Développé par Igor Pavlov, le format 7z a été conçu pour fournir des taux de compression élevés, un cryptage fort et la prise en charge de plusieurs méthodes de compression. Cette explication technique approfondira les détails du format d'archive 7z, sa structure et les différentes techniques de compression et de cryptage qu'il emploie.
Le format 7z est un conteneur qui peut stocker plusieurs fichiers et répertoires, ainsi que leurs métadonnées, dans un seul fichier d'archive. Il prend en charge la compression solide, qui permet de compresser plusieurs fichiers ensemble, ce qui se traduit par de meilleurs taux de compression globaux. Le format inclut également des fonctionnalités telles que la compression d'en-tête, le multithreading et la possibilité de diviser les archives en plusieurs volumes.
La structure d'une archive 7z se compose de trois parties principales : l'en-tête de signature, l'en-tête et les blocs de données compressées. L'en-tête de signature est une séquence de 6 octets qui identifie le fichier comme une archive 7z. Il commence toujours par les octets « 7z\xBC\xAF\x27\x1C ». L'en-tête suit la signature et contient des informations essentielles sur l'archive, telles que la version, le nombre de fichiers et les méthodes de compression utilisées.
L'en-tête est divisé en plusieurs sous-parties, notamment les propriétés de l'archive, les informations de flux et les informations de fichier. Les propriétés de l'archive stockent des informations générales sur l'archive, telles que le nombre de fichiers et l'heure de création. Les informations de flux contiennent des détails sur les blocs de données compressées, tels que leur taille et les méthodes de compression utilisées. Les informations de fichier stockent les métadonnées de chaque fichier dans l'archive, notamment le nom du fichier, la taille et les attributs.
L'une des principales caractéristiques du format 7z est sa prise en charge de plusieurs méthodes de compression. Les méthodes les plus courantes utilisées dans les archives 7z sont LZMA (algorithme de chaîne de Markov Lempel-Ziv) et LZMA2. LZMA est un algorithme de compression haute performance qui offre d'excellents taux de compression, en particulier pour les fichiers texte et exécutables. LZMA2 est une version améliorée de LZMA qui offre une meilleure prise en charge du multithreading et des vitesses de décompression plus rapides.
Outre LZMA et LZMA2, le format 7z prend également en charge d'autres méthodes de compression, telles que BZip2, PPMd et Delta. BZip2 est un algorithme de compression à usage général qui fournit de bons taux de compression pour une large gamme de types de fichiers. PPMd est une méthode de compression statistique qui fonctionne bien pour les fichiers texte et peut atteindre des taux de compression très élevés. La compression Delta est utilisée pour stocker les différences entre des fichiers similaires, ce qui peut réduire considérablement la taille de l'archive lors du stockage de plusieurs versions du même fichier.
Le format 7z inclut également de solides capacités de cryptage pour protéger le contenu de l'archive. Il prend en charge l'algorithme de cryptage AES-256, qui est considéré comme l'une des méthodes de cryptage les plus sûres disponibles. Lorsqu'une archive est cryptée, tous les noms de fichiers, métadonnées et blocs de données compressées sont protégés, ce qui rend pratiquement impossible pour les utilisateurs non autorisés d'accéder au contenu de l'archive sans le mot de passe correct.
Pour garantir l'intégrité des données, le format 7z utilise une combinaison de contrôle de redondance cyclique (CRC) et de valeurs de hachage SHA-256. Chaque bloc de données compressées a une valeur CRC qui est utilisée pour détecter et corriger les erreurs pendant la décompression. De plus, l'en-t ête d'archive et les métadonnées du fichier sont protégés par des valeurs de hachage SHA-256, qui peuvent être utilisées pour vérifier l'intégrité de l'archive et de son contenu.
Le format 7z prend également en charge la création d'archives auto-extractibles (SFX). Une archive SFX est un fichier exécutable qui inclut les données compressées et le code d'extraction nécessaire. Lorsqu'elle est exécutée, l'archive SFX extrait automatiquement le contenu vers un emplacement spécifié, sans nécessiter de logiciel supplémentaire. Cette fonctionnalité facilite la distribution de fichiers compressés aux utilisateurs qui peuvent ne pas avoir installé un outil d'extraction compatible.
L'un des avantages du format 7z est son architecture ouverte, qui permet aux développeurs de créer des outils et des bibliothèques compatibles. Le logiciel 7-Zip lui-même est open source et son code source est disponible sous la licence publique générale limitée GNU (LGPL). Cela a conduit au développement de divers outils et plugins tiers qui peuvent créer, extraire et manipuler des archives 7z.
En conclusion, le format d'archive 7z est un conteneur de compression puissant et polyvalent qui offre des taux de compression élevés, un cryptage fort et la prise en charge de plusieurs méthodes de compression. Ses fonctionnalités avancées, telles que la compression solide, le multithreading et les archives auto-extractibles, en font un choix attrayant pour les utilisateurs individuels et les environnements d'entreprise. À mesure que le format continue d'évoluer et de s'améliorer, il est probable qu'il restera un choix populaire pour la compression et l'archivage de fichiers.
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.