Le format d'archive POSIX, également connu sous le nom de format « ar », est un format de fichier utilisé pour créer et gérer des archives de bibliothèques sur des systèmes d'exploitation de type Unix. Ce format a été normalisé par l'IEEE dans la spécification POSIX.1-1988 et a depuis été largement adopté sur diverses plateformes. Le format ar permet de regrouper plusieurs fichiers dans un seul fichier pour faciliter le stockage, la distribution et la gestion.
La structure d'une archive POSIX se compose d'un en-tête global suivi d'une série de membres d'archive. Chaque membre représente un fichier qui a été ajouté à l'archive. L'en-tête global est une simple chaîne ASCII qui identifie le fichier comme une archive ar. Il se compose des caractères « `!<arch> ` », où « ` ` » représente un caractère de nouvelle ligne. Cet en-tête est toujours présent au début du fichier d'archive.
Après l'en-tête global, l'archive contient une série de membres de fichier. Chaque membre est composé d'un en-tête de fichier et des données du fichier lui-même. L'en-tête de fichier est une structure de taille fixe qui 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 est complété par des espaces pour maintenir une taille fixe de 60 octets.
L'en-tête de fichier commence par le nom du fichier, qui est stocké sous forme de chaîne ASCII terminée par un caractère nul. Le nom du fichier est limité à 16 caractères, et si le nom du fichier réel est plus long, il est tronqué. Si le nom du fichier est inférieur à 16 caractères, il est complété par des espaces. Après le nom du fichier, l'en-tête contient l'horodatage de modification du fichier, qui est stocké sous forme de chaîne ASCII décimale. L'horodatage représente le nombre de secondes depuis l'époque Unix (1er janvier 1970).
Ensuite, l'en-tête de fichier inclut les identifiants de propriétaire et de groupe du fichier, stockés sous forme de chaînes ASCII décimales. Ces identifiants sont utilisés pour les autorisations de fichier et la gestion de la propriété. Le mode de fichier est également stocké dans l'en-tête sous forme de chaîne ASCII octale, représentant les autorisations et le type du fichier. Le mode indique si le fichier est un fichier ordinaire, un répertoire, un lien symbolique ou s'il possède des autorisations spéciales.
La taille du fichier est stockée dans l'en-tête sous forme de chaîne ASCII décimale, indiquant le nombre d'octets dans les données du fichier qui suivent l'en-tête. Si la taille du fichier n'est pas un nombre pair, un octet supplémentaire de remplissage est ajouté aux données du fichier pour assurer un alignement correct.
Après l'en-tête de fichier, les données du fichier réel sont stockées dans l'archive. Les données sont écrites telles quelles, sans aucun formatage ou compression supplémentaire. Si la taille du fichier est impaire, un octet supplémentaire de remplissage est ajouté pour maintenir l'alignement.
Le processus de création d'une archive ar implique la concaténation des en-têtes de fichier et des données de chaque fichier membre dans un seul fichier d'archive. L'utilitaire ar, que l'on trouve couramment sur les systèmes de type Unix, est utilisé pour créer, modifier et extraire des fichiers à partir d'archives ar. Lors de la création d'une archive, l'utilitaire ar ajoute l'en-tête global, suivi des en-têtes de fichier et des données de chaque fichier membre.
L'extraction de fichiers à partir d'une archive ar implique la lecture de l'en-tête global pour vérifier le format d'archive, puis l'analyse de l'archive pour localiser les membres de fichier souhaités. L'utilitaire ar lit les en-têtes de fichier pour déterminer les noms de fichier, les tailles et les décalages dans l'archive. Il extrait ensuite les données du fichier en fonction des informations de taille et d'emplacement stockées dans les en-têtes.
L'un des principaux cas d'utilisation du format ar est la création d'archives de bibliothèques statiques. Les bibliothèques statiques sont des collections de fichiers objets qui sont liés directement à un exécutable au moment de la compilation. Le format ar permet de regrouper plusieurs fichiers objets dans un seul fichier de bibliothèque, qui peut ensuite être lié à d'autres fichiers objets ou bibliothèques pour créer l'exécutable final.
Le format ar prend également en charge la création d'archives minces, qui sont des archives qui ne contiennent que des références à des fichiers externes plutôt que les données du fichier lui-même. Les archives minces sont utiles pour réduire la taille du fichier d'archive et permettre un stockage et une distribution plus efficaces de grandes collections de fichiers.
Bien que le format ar soit largement utilisé et pris en charge, il présente certaines limites. L'en-tête de fichier de taille fixe limite la longueur des noms de fichier et la taille maximale du fichier qui peut être stockée dans l'archive. De plus, le format ar ne fournit aucune compression ou cryptage intégré, ce qui peut être nécessaire pour certains cas d'utilisation.
Malgré ses limites, le format d'archive POSIX reste une méthode simple et efficace pour regrouper et gérer des collections de fichiers sur des systèmes de type Unix. Sa normalisation et sa large adoption en font un choix fiable pour créer des bibliothèques statiques, distribuer des progiciels et archiver des données.
En résumé, le format d'archive POSIX est un format de fichier utilisé pour créer et gérer des archives de bibliothèques sur des systèmes d'exploitation de type Unix. Il se compose d'un en-tête global suivi d'une série de membres de fichier, chacun contenant un en-tête de fichier et les données du fichier. L'utilitaire ar est utilisé pour créer, modifier et extraire des fichiers à partir d'archives ar, et le format est couramment utilisé pour créer des archives de bibliothèques statiques et regrouper des collections de fichiers. Bien qu'il présente certaines limites, le format ar reste une méthode simple et largement prise en charge pour gérer des fichiers sur des systèmes de type Unix.
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.