Le format ar (archiver) est un format de fichier utilisé pour créer et manipuler des fichiers d'archive qui stockent plusieurs fichiers dans un seul fichier. Il est originaire des systèmes Unix et est couramment utilisé sur les systèmes d'exploitation basés sur BSD. Le format ar est un moyen simple et efficace de regrouper plusieurs fichiers pour le stockage ou la distribution.
Un fichier d'archive ar se compose d'un en-tête global suivi d'une série de membres d'archive. Chaque membre d'archive représente un fichier qui a été stocké dans l'archive. L'en-tête global est un simple en-tête texte qui identifie le fichier comme une archive ar et fournit des informations de base sur la version du format d'archive.
L'en-tête global d'une archive ar commence par la chaîne de signature "!<arch>\n". Cette signature est suivie d'un caractère de nouvelle ligne et sert à identifier le fichier comme une archive ar. La signature est ensuite suivie d'une série de membres de fichier, chacun représentant un fichier stocké dans l'archive.
Chaque membre de fichier dans une archive ar se compose d'un en-tête de fichier et des données du fichier lui-même. L'en-tête de fichier contient des métadonnées sur le fichier, telles que son nom, son horodatage de modification, ses identifiants de propriétaire et de groupe, son mode de fichier et sa taille. L'en-tête de fichier a une taille fixe de 60 octets et est structuré comme suit :
- Nom de fichier (16 octets) : une chaîne terminée par un caractère nul représentant le nom du fichier. Si le nom du fichier comporte plus de 15 caractères, il est tronqué et le symbole spécial "/" est utilisé pour indiquer que le nom complet du fichier est stocké dans un membre de fichier distinct.
- Horodatage de modification du fichier (12 octets) : un entier décimal représentant l'horodatage de modification du fichier en secondes depuis le 1er janvier 1970 (heure d'époque Unix).
- Identifiant du propriétaire (6 octets) : un entier décimal représentant l'identifiant utilisateur du propriétaire du fichier.
- Identifiant du groupe (6 octets) : un entier décimal représentant l'identifiant du groupe du groupe du fichier.
- Mode de fichier (8 octets) : un entier octal représentant le mode et les autorisations du fichier.
- Taille du fichier (10 octets) : un entier décimal représentant la taille du fichier en octets.
- Caractères de fin (2 octets) : deux caractères spéciaux, "`\n`" (accent grave suivi d'une nouvelle ligne), indiquant la fin de l'en-tête de fichier.
Après l'en-tête de fichier, les données du fichier lui-même sont stockées. La taille des données du fichier est déterminée par la taille du fichier spécifiée dans l'en-tête. Si la taille du fichier est impaire, un octet de remplissage supplémentaire est ajouté pour assurer un alignement correct pour le membre de fichier suivant.
Un membre de fichier spécial dans une archive ar est la table des symboles, qui porte le nom "/ ". La table des symboles est utilisée pour stocker les noms de fichiers longs qui dépassent la limite de 15 caractères dans l'en-tête de fichier. Lorsqu'un nom de fichier est trop long, il est tronqué dans l'en-tête de fichier et le nom complet est stocké dans la table des symboles. La table des symboles est un membre de fichier spécial qui contient une liste de chaînes terminées par un caractère nul représentant les noms de fichiers longs.
Un autre membre de fichier spécial est le membre du nom de fichier long, qui porte le nom "/[0-9]+". Ce membre de fichier est utilisé conjointement avec la table des symboles. Lorsqu'un nom de fichier est trop long pour tenir dans l'en-tête de fichier, une entrée spéciale est créée dans la table des symboles avec le format "/[offset]/[length]", où "offset" est le décalage en octets dans le membre du nom de fichier long où le nom de fichier complet est stocké, et "length" est la longueur du nom de fichier complet.
Le format ar prend également en charge diverses options et indicateurs qui peuvent être utilisés lors de la création ou de la manipulation de fichiers d'archive. Certaines options courantes incluent :
- "r" : insérer des fichiers dans une archive existante, en remplaçant tous les fichiers existants portant le même nom. - "c" : créer un nouveau fichier d'archive, en écrasant tout fichier existant portant le même nom. - "u" : mettre à jour les fichiers dans une archive existante, en ajoutant de nouveaux fichiers ou en remplaçant les anciennes versions des fichiers. - "d" : supprimer des fichiers d'une archive existante. - "t" : lister le contenu d'une archive.
Une limitation du format ar est qu'il ne prend pas en charge la compression. Les fichiers stockés dans une archive ar ne sont pas compressés et sont stockés dans leur format d'origine. Cependant, les archives ar peuvent être utilisées en combinaison avec des utilitaires de compression comme gzip ou bzip2 pour créer des archives compressées.
Malgré sa simplicité, le format ar est largement utilisé depuis des décennies et reste un format standard pour la création et la distribution de fichiers de bibliothèque sur les systèmes Unix et BSD. De nombreux utilitaires Unix courants, tels que la commande "ar" elle-même, la commande "ranlib" pour générer des tables de symboles et la commande "nm" pour lister les symboles dans les fichiers objet, fonctionnent avec les archives ar.
En résumé, le format ar (archiver) est un format de fichier simple et efficace utilisé pour créer et manipuler des fichiers d'archive sur les systèmes Unix et BSD. Il se compose d'un en-tête global identifiant l'archive, suivi d'une série de membres de fichier représentant les fichiers stockés dans l'archive. Le format ar prend en charge les noms de fichiers longs grâce à l'utilisation d'une table des symboles et de membres de fichiers spéciaux. Bien qu'il ne fournisse pas de compression intégrée, les archives ar peuvent être combinées avec des utilitaires de compression pour créer des archives compressées. Le format ar est largement utilisé depuis des décennies et reste un format standard pour le conditionnement et la distribution de fichiers sur les systèmes Unix et BSD.
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.