Le format d'archive PKZ est un format d'archive compressé propriétaire développé par PKWARE, Inc. pour l'empaquetage et la compression de fichiers et de répertoires. Il est couramment utilisé sur les systèmes Microsoft Windows, mais peut également être utilisé sur d'autres plateformes. Le format utilise une combinaison de compression DEFLATE et divers filtres de prétraitement pour obtenir un taux de compression élevé tout en équilibrant la vitesse et l'utilisation de la mémoire.
Une archive PKZ se compose d'une série d'« en-têtes de fichiers locaux » pour chaque fichier, d'en-têtes de décryptage/cryptage d'archive facultatifs, de blocs de données de fichiers compressés, d'une structure de répertoire central et d'un enregistrement de fin de répertoire central. Cela permet un accès rapide aux fichiers compressés individuels, un cryptage facultatif, des vérifications d'intégrité des données et la possibilité de stocker des métadonnées sur les fichiers archivés.
Chaque en-tête de fichier local contient des informations sur le fichier, telles que son nom, sa taille, son horodatage, sa somme de contrôle CRC-32 et la méthode de compression utilisée. L'en-tête spécifie également toutes les fonctionnalités facultatives appliquées au fichier, telles que le cryptage, les filtres de prétraitement, le patching ou l'étalement des données sur plusieurs archives. L'en-tête local est suivi par les données de fichier compressées ou stockées.
PKZ prend en charge plusieurs méthodes de compression, DEFLATE étant la plus courante. DEFLATE est un algorithme de compression de données sans perte qui combine la compression LZ77 et le codage de Huffman. PKZIP peut également stocker des fichiers sans compression si vous le souhaitez. Rarement, d'autres méthodes de compression héritées peuvent être utilisées, telles que LZMA ou Bzip2.
Avant de compresser un fichier avec DEFLATE, divers filtres de prétraitement peuvent être appliqués pour améliorer la compression. Ceux-ci incluent des méthodes telles que la réduction de la taille des symboles, l'échange d'octets pour augmenter la redondance, les filtres BCJ pour les fichiers exécutables et les filtres delta pour les mises à jour incrémentielles ou le patching. Les filtres sont appliqués dans le cadre du processus de compression avant que les données ne soient transmises au compresseur DEFLATE.
Pour la validation de l'intégrité des données, chaque fichier enregistre une somme de contrôle CRC-32 des données non compressées dans son en-tête local. La même somme de contrôle est enregistrée dans l'entrée du répertoire central pour le fichier. Cela permet de vérifier qu'un fichier a été compressé et décompressé correctement sans corruption de données.
Les archives PKZ peuvent éventuellement crypter les données et les en-têtes de fichiers à l'aide d'un cryptage symétrique. Les anciennes versions utilisaient ZipCrypto, tandis que les nouvelles versions utilisent le cryptage AES. Lors du cryptage, la méthode de cryptage sélectionnée est enregistrée dans l'archive et chaque fichier peut spécifier son propre mot de passe. Le cryptage authentifié est utilisé pour détecter toute altération ou corruption des données cryptées.
Le répertoire central suit les données de fichier compressées et sert de table des matières pour l'archive. Il contient une entrée d'en-tête de fichier pour chaque fichier avec ses métadonnées, des décalages vers les en-têtes locaux et d'autres informations nécessaires pour décompresser les fichiers. Les entrées sont triées par nom de fichier. Une signature numérique facultative peut être appliquée au répertoire central pour une protection supplémentaire contre les altérations.
Enfin, l'enregistrement de fin de répertoire central marque la fin du fichier d'archive. Il stocke le nombre d'entrées dans le répertoire central, sa taille et son décalage, ainsi qu'un champ de commentaire. Pour les archives divisées en plusieurs fichiers, il contient également des informations sur la façon de localiser les autres fichiers d'archive.
Le format PKZ permet d'accéder efficacement à des fichiers individuels au sein d'une archive sans avoir besoin de décompresser l'intégralité de l'archive. Cela se fait en lisant le répertoire central, en localisant l'entrée de fichier souhaitée, puis en lisant et en décompressant le bloc de fichier local spécifique à partir de son décalage. Plusieurs fichiers peuvent également être ouverts et décompressés à la fois.
Pour créer une archive PKZ, les fichiers sont d'abord filtrés et compressés individuellement en blocs de fichiers locaux. Les entrées du répertoire central sont générées à partir des en-têtes locaux et des métadonnées du fichier. Le répertoire central est ensuite signé numériquement si nécessaire. Enfin, l'enregistrement de fin de répertoire central est écrit en pointant vers le répertoire central.
L'extraction d'une archive PKZ commence par la lecture de la fin du répertoire central pour localiser les entrées du répertoire central. Les entrées des fichiers souhaités sont trouvées et chacune est décompressée en lisant son en-tête local et ses données compressées à partir des décalages spécifiés. Tout cryptage est supprimé et les filtres prétraités sont inversés pour obtenir le contenu du fichier d'origine.
Certaines autres fonctionnalités du format PKZ incluent : la division des archives en plusieurs fichiers, volumes ou segments ; prise en charge des noms de fichiers Unicode ; autorisations et attributs du système de fichiers NTFS ; fonctionnalité de mise à jour/patch intégrée ; et des métadonnées extensibles telles que des signatures numériques, des résumés de hachage et des données spécifiques à l'application.
Dans l'ensemble, le format PKZ est un format d'archive efficace et flexible pour la compression et l'empaquetage de fichiers. Sa capacité à compresser des fichiers individuellement, à appliquer des filtres de prétraitement et à extraire rapidement des fichiers spécifiques sans traiter l'intégralité de l'archive le rend bien adapté à l'empaquetage d'installateurs de logiciels, de mises à jour de firmware, de documents, etc. La prise en charge du cryptage, des vérifications d'intégrité des données et des signatures numériques lui permet également de fournir un haut niveau de sécurité lorsque cela est nécessaire.
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.