Le format de fichier .whl, qui signifie "Wheel", est un format d'archive basé sur ZIP conçu pour distribuer et installer des packages Python. Il a été introduit dans PEP 427 en remplacement de l'ancien format .egg. Le format .whl offre un moyen plus efficace, plus rapide et indépendant de la plateforme de distribuer des packages Python par rapport aux distributions sources.
Un fichier .whl est essentiellement une archive ZIP qui suit une structure de répertoire et une convention de nommage spécifiques. L'archive contient le code source du package Python, le bytecode compilé et les fichiers de métadonnées nécessaires à l'installation. Le format .whl permet une installation plus rapide car il élimine le besoin d'exécuter setup.py et de compiler le package pendant l'installation.
La convention de nommage des fichiers .whl suit un modèle spécifique : {distribution}-{version}(-{build tag})?-{python tag}-{abi tag}-{platform tag}.whl. Décomposons chaque composant : - {distribution} : le nom du package Python. - {version} : le numéro de version du package. - {build tag} (facultatif) : une balise indiquant une version spécifique du package. - {python tag} : indique l'implémentation et la version de Python, comme cp38 pour CPython 3.8. - {abi tag} : spécifie l'interface binaire d'application (ABI), comme cp38m pour CPython 3.8 avec Unicode UCS-4. - {platform tag} : spécifie la plateforme cible, comme win_amd64 pour Windows 64 bits. Par exemple, un fichier .whl nommé mypackage-1.0.0-cp38-cp38-win_amd64.whl représente la version 1.0.0 de "mypackage" conçue pour CPython 3.8 sur Windows 64 bits.
La structure du répertoire dans une archive .whl suit une disposition spécifique. Au niveau supérieur, il y a un répertoire "{distribution}-{version}.dist-info" qui contient des fichiers de métadonnées. Le code et les ressources réels du package sont stockés dans un répertoire distinct nommé "{distribution}-{version}.data".
Dans le répertoire ".dist-info", vous trouverez généralement les fichiers suivants : - METADATA : contient les métadonnées du package telles que le nom, la version, l'auteur et les dépendances. - WHEEL : spécifie la version de la spécification Wheel et les balises de compatibilité du package. - RECORD : une liste de tous les fichiers inclus dans l'archive .whl ainsi que leurs hachages pour la vérification de l'intégrité. - entry_points.txt (facultatif) : définit les points d'entrée du package, tels que les scripts de console ou les plugins. - LICENSE.txt (facultatif) : contient les informations de licence du package. Le répertoire ".data" contient le code et les ressources réels du package, organisés selon la structure interne du package.
Pour créer un fichier .whl, vous utilisez généralement un outil comme setuptools ou pip. Ces outils génèrent automatiquement les fichiers de métadonnées nécessaires et empaquètent le code au format .whl en fonction du fichier setup.py du package ou de la configuration pyproject.toml. Par exemple, l'exécution de `python setup.py bdist_wheel` ou `pip wheel .` dans le répertoire du package générera un fichier .whl dans le répertoire "dist".
Lors de l'installation d'un package à partir d'un fichier .whl, des outils comme pip gèrent le processus d'installation. Ils extraient le contenu de l'archive .whl, vérifient l'intégrité des fichiers à l'aide des informations contenues dans le fichier RECORD et installent le package à l'emplacement approprié dans l'environnement Python. Les fichiers de métadonnées dans le répertoire ".dist-info" sont utilisés pour suivre le package installé et ses dépendances.
L'un des principaux avantages du format .whl est sa capacité à fournir des packages précompilés et spécifiques à la plateforme. Cela signifie que les utilisateurs peuvent installer des packages sans avoir besoin d'un environnement de construction compatible ou de compiler le package à partir de la source. Les fichiers .whl peuvent être créés et distribués pour différentes plateformes et versions de Python, ce qui facilite la distribution de packages à un large éventail d'utilisateurs.
Un autre avantage du format .whl est sa vitesse d'installation plus rapide par rapport aux distributions sources. Étant donné que les fichiers .whl contiennent du bytecode précompilé et ne nécessitent pas l'exécution de setup.py pendant l'installation, le processus d'installation est beaucoup plus rapide. Cela est particulièrement visible pour les packages avec des processus de construction ou des dépendances complexes.
Le format .whl prend également en charge diverses fonctionnalités et extensions. Par exemple, il permet l'inclusion d'extensions compilées (par exemple, des extensions C) dans l'archive, ce qui facilite la distribution de packages avec du code natif. Il prend également en charge le concept de "références d'URL directes" (PEP 610), qui permet de spécifier des URL pour les dépendances du package, permettant des mécanismes de distribution plus flexibles.
En conclusion, le format d'archive .whl est un moyen standardisé et efficace de distribuer des packages Python. Il offre un processus d'installation indépendant de la plateforme et plus rapide par rapport aux distributions sources. En suivant une structure de répertoire et une convention de nommage spécifiques, les fichiers .whl encapsulent le code du package, les métadonnées et les dépendances dans une seule archive. L'adoption généralisée du format .whl a considérablement simplifié la distribution et l'installation des packages Python, ce qui permet aux développeurs de partager plus facilement leurs bibliothèques et aux utilisateurs de les installer de manière transparente.
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.