NEWC est un format d'archivage de fichiers conçu pour stocker et compresser efficacement des collections de fichiers et de répertoires. Il a été développé par Eugene Roshal en 1993 comme une amélioration des formats d'archivage existants tels que ZIP et ARJ. Le format vise à fournir de meilleurs taux de compression, des vitesses de décompression plus rapides et des fonctionnalités améliorées pour la récupération de données et la gestion des archives.
À la base, le format NEWC se compose d'un en-tête principal suivi d'une série d'en-têtes de fichiers et de données de fichiers compressées. L'en-tête principal contient des métadonnées sur l'archive, telles que la signature NEWC, le numéro de version, la taille totale et le nombre de fichiers. Chaque en-tête de fichier inclut des informations telles que le nom du fichier, les attributs, l'horodatage, la somme de contrôle CRC32, les tailles compressées et non compressées.
NEWC utilise une structure d'archive solide, dans laquelle les fichiers sont concaténés et compressés en un seul flux de données continu. Cette approche permet de meilleurs taux de compression en exploitant les redondances entre plusieurs fichiers. Cependant, cela signifie également que l'extraction d'un seul fichier nécessite la décompression de l'intégralité de l'archive jusqu'à ce point, ce qui peut être plus lent que l'extraction à partir de formats non solides tels que ZIP.
L'algorithme de compression utilisé dans NEWC est basé sur la propre implémentation d'Eugene Roshal, qui combine la compression Lempel-Ziv-Storer-Szymanski (LZSS) avec la modélisation statistique utilisant la prédiction par appariement partiel (PPM). LZSS est un algorithme basé sur un dictionnaire qui remplace les séquences répétées par des références à des occurrences antérieures. PPM construit un modèle des données d'entrée pour faire des prédictions probabilistes sur les symboles à venir, permettant un codage d'entropie plus efficace.
L'une des principales caractéristiques de NEWC est sa prise en charge des enregistrements de récupération. Ce sont des entrées spéciales intercalées avec les données compressées qui stockent des informations sur la structure et le contenu de l'archive. En cas de corruption de fichier, les enregistrements de récupération peuvent être utilisés pour reconstruire les parties endommagées de l'archive et récupérer les fichiers intacts. Le format inclut également une redondance pour l'en-tête principal et les en-têtes de fichiers afin d'améliorer la résilience contre la perte de données.
NEWC fournit plusieurs méthodes pour diviser les archives en plusieurs volumes. Ceci est utile pour stocker de grandes archives sur plusieurs disques ou pour la transmission sur des réseaux avec des limitations de taille. Le format prend en charge la création de volumes d'une taille spécifiée, ainsi que l'utilisation d'une liste de fichiers comme marqueurs de volume. Il comprend également des mécanismes de vérification d'intégrité et de récupération d'archives multivolumes.
En termes de gestion d'archives, NEWC offre une gamme de fonctionnalités. Il prend en charge l'ajout, la suppression et la mise à jour de fichiers dans une archive existante. Des commentaires de fichiers peuvent être associés à des entrées individuelles pour stocker des métadonnées supplémentaires. Le format permet également le cryptage et la protection par mot de passe des archives à l'aide de l'algorithme AES en mode CBC.
NEWC a gagné en popularité en raison de ses taux de compression élevés et de ses vitesses de décompression rapides. Il est largement utilisé pour distribuer des logiciels, des mises à jour de firmware et des sauvegardes de données. Le format a été adopté par diverses applications et utilitaires, notamment WinRAR, 7-Zip et PowerArchiver.
Bien que NEWC offre de nombreux avantages, il présente également certaines limites. La structure d'archive solide peut rendre l'accès aléatoire et l'extraction partielle plus lents par rapport aux formats non solides. Le recours à un seul algorithme de compression peut ne pas toujours fournir les meilleurs résultats pour tous les types de données. De plus, la complexité et la nature propriétaire du format ont entravé son adoption dans certains contextes.
Malgré ces défis, NEWC reste un format d'archivage important et largement utilisé. Son efficacité, sa robustesse et ses fonctionnalités en font un outil précieux pour la compression et l'archivage des données. Alors que les besoins de stockage et de transmission de données continuent de croître, le format NEWC est bien placé pour jouer un rôle important dans la gestion et la préservation des informations numériques.
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.