Il formato file .whl, che sta per "Wheel", è un formato di archivio basato su ZIP progettato per distribuire e installare pacchetti Python. È stato introdotto in PEP 427 come sostituto del vecchio formato .egg. Il formato .whl fornisce un modo più efficiente, veloce e indipendente dalla piattaforma per distribuire pacchetti Python rispetto alle distribuzioni di origine.
Un file .whl è essenzialmente un archivio ZIP che segue una struttura di directory e una convenzione di denominazione specifiche. L'archivio contiene il codice sorgente del pacchetto Python, il bytecode compilato e i file di metadati necessari per l'installazione. Il formato .whl consente un'installazione più rapida perché elimina la necessità di eseguire setup.py e compilare il pacchetto durante l'installazione.
La convenzione di denominazione per i file .whl segue uno schema specifico: {distribuzione}-{versione}(-{tag build})?-{tag Python}-{tag abi}-{tag piattaforma}.whl. Analizziamo ogni componente: - {distribuzione}: il nome del pacchetto Python. - {versione}: il numero di versione del pacchetto. - {tag build} (facoltativo): un tag che indica una build specifica del pacchetto. - {tag Python}: indica l'implementazione e la versione di Python, come cp38 per CPython 3.8. - {tag abi}: specifica l'Application Binary Interface (ABI), come cp38m per CPython 3.8 con Unicode UCS-4. - {tag piattaforma}: specifica la piattaforma di destinazione, come win_amd64 per Windows a 64 bit. Ad esempio, un file .whl denominato mypackage-1.0.0-cp38-cp38-win_amd64.whl rappresenta la versione 1.0.0 di "mypackage" compilata per CPython 3.8 su Windows a 64 bit.
La struttura delle directory all'interno di un archivio .whl segue un layout specifico. Al livello superiore, c'è una directory "{distribuzione}-{versione}.dist-info" che contiene i file di metadati. Il codice e le risorse effettivi del pacchetto sono archiviati in una directory separata denominata "{distribuzione}-{versione}.data". All'interno della directory ".dist-info", in genere troverai i seguenti file: - METADATA: contiene i metadati del pacchetto come nome, versione, autore e dipendenze. - WHEEL: specifica la versione della specifica Wheel e i tag di compatibilità del pacchetto. - RECORD: un elenco di tutti i file inclusi nell'archivio .whl insieme ai loro hash per la verifica dell'integrità. - entry_points.txt (facoltativo): definisce i punti di ingresso per il pacchetto, come script della console o plugin. - LICENSE.txt (facoltativo): contiene le informazioni sulla licenza del pacchetto. La directory ".data" contiene il codice e le risorse effettivi del pacchetto, organizzati in base alla struttura interna del pacchetto.
Per creare un file .whl, in genere si utilizza uno strumento come setuptools o pip. Questi strumenti generano automaticamente i file di metadati necessari e impacchettano il codice nel formato .whl in base al file setup.py del pacchetto o alla configurazione pyproject.toml. Ad esempio, eseguendo `python setup.py bdist_wheel` o `pip wheel .` nella directory del pacchetto verrà generato un file .whl nella directory "dist".
Quando si installa un pacchetto da un file .whl, strumenti come pip gestiscono il processo di installazione. Estraggono il contenuto dell'archivio .whl, verificano l'integrità dei file utilizzando le informazioni nel file RECORD e installano il pacchetto nella posizione appropriata nell'ambiente Python. I file di metadati nella directory ".dist-info" vengono utilizzati per tracciare il pacchetto installato e le sue dipendenze.
Uno dei principali vantaggi del formato .whl è la sua capacità di fornire pacchetti precompilati e specifici per la piattaforma. Ciò significa che gli utenti possono installare pacchetti senza dover disporre di un ambiente di compilazione compatibile o compilare il pacchetto dall'origine. I file .whl possono essere compilati e distribuiti per diverse piattaforme e versioni di Python, rendendo più semplice la distribuzione di pacchetti a un'ampia gamma di utenti.
Un altro vantaggio del formato .whl è la sua maggiore velocità di installazione rispetto alle distribuzioni di origine. Poiché i file .whl contengono bytecode precompilato e non richiedono l'esecuzione di setup.py durante l'installazione, il processo di installazione è significativamente più veloce. Ciò è particolarmente evidente per i pacchetti con processi di compilazione o dipendenze complesse.
Il formato .whl supporta anche varie funzionalità ed estensioni. Ad esempio, consente l'inclusione di estensioni compilate (ad esempio, estensioni C) all'interno dell'archivio, rendendo conveniente la distribuzione di pacchetti con codice nativo. Supporta anche il concetto di "riferimenti URL diretti" (PEP 610), che consente di specificare URL per le dipendenze del pacchetto, abilitando meccanismi di distribuzione più flessibili.
In conclusione, il formato di archivio .whl è un modo standardizzato ed efficiente per distribuire pacchetti Python. Fornisce un processo di installazione indipendente dalla piattaforma e più veloce rispetto alle distribuzioni di origine. Seguendo una struttura di directory e una convenzione di denominazione specifiche, i file .whl incapsulano il codice del pacchetto, i metadati e le dipendenze in un singolo archivio. L'ampia adozione del formato .whl ha notevolmente semplificato la distribuzione e l'installazione dei pacchetti Python, rendendo più semplice per gli sviluppatori condividere le proprie librerie e per gli utenti installarle senza problemi.
La compressione dei file riduce la ridondanza in modo che le stesse informazioni occupino meno bit. Il limite superiore di quanto si può andare è governato dalla teoria dell'informazione: per la compressione senza perdita, il limite è l'entropia della fonte (vedi il teorema della codifica di sorgente di Shannon e il suo articolo originale del 1948 “Una teoria matematica della comunicazione”). Per la compressione con perdita, il compromesso tra velocità e qualità è catturato dalla teoria tasso-distorsione.
La maggior parte dei compressori ha due fasi. In primo luogo, un modello predice o espone la struttura nei dati. In secondo luogo, un codificatore trasforma tali previsioni in modelli di bit quasi ottimali. Una famiglia di modellazione classica è Lempel-Ziv: LZ77 (1977) e LZ78 (1978) rilevano sottostringhe ripetute ed emettono riferimenti invece di byte grezzi. Sul lato della codifica, la codifica di Huffman (vedi l'articolo originale del 1952) assegna codici più brevi a simboli più probabili. La codifica aritmetica e la codifica a intervalli sono alternative a grana più fine che si avvicinano al limite dell'entropia, mentre i moderni Sistemi Numerici Asimmetrici (ANS) ottengono una compressione simile con implementazioni veloci basate su tabelle.
DEFLATE (usato da gzip, zlib e ZIP) combina LZ77 con la codifica di Huffman. Le sue specifiche sono pubbliche: DEFLATE RFC 1951, wrapper zlib RFC 1950, e formato file gzip RFC 1952. Gzip è strutturato per lo streaming ed esplicitamente non tenta di fornire accesso casuale. Le immagini PNG standardizzano DEFLATE come unico metodo di compressione (con una finestra massima di 32 KiB), secondo le specifiche PNG “Metodo di compressione 0… deflate/inflate… al massimo 32768 byte” e W3C/ISO PNG 2a Edizione.
Zstandard (zstd): un compressore generico più recente progettato per rapporti elevati con decompressione molto veloce. Il formato è documentato in RFC 8878 (anche mirror HTML) e nelle specifiche di riferimento su GitHub. Come gzip, il frame di base non mira all'accesso casuale. Uno dei superpoteri di zstd sono i dizionari: piccoli campioni dal tuo corpus che migliorano drasticamente la compressione su molti file piccoli o simili (vedi documenti del dizionario python-zstandard e l'esempio funzionante di Nigel Tao). Le implementazioni accettano dizionari sia “non strutturati” che “strutturati” (discussione).
Brotli: ottimizzato per i contenuti web (ad es. font WOFF2, HTTP). Mescola un dizionario statico con un core di entropia LZ+ simile a DEFLATE. La specifica è RFC 7932, che nota anche una finestra scorrevole di 2WBITS−16 con WBITS in [10, 24] (da 1 KiB−16 B a 16 MiB−16 B) e che non tenta l'accesso casuale. Brotli spesso batte gzip sul testo web decodificando rapidamente.
Contenitore ZIP: ZIP è un archivio di file che può memorizzare voci con vari metodi di compressione (deflate, store, zstd, ecc.). Lo standard de facto è l'APPNOTE di PKWARE (vedi portale APPNOTE, una copia ospitata, e panoramiche LC Formato file ZIP (PKWARE) / ZIP 6.3.3).
LZ4 punta alla velocità grezza con rapporti modesti. Vedi la sua pagina del progetto (“compressione estremamente veloce”) e il formato del frame. È ideale per cache in memoria, telemetria o percorsi caldi in cui la decompressione deve essere quasi alla velocità della RAM.
XZ / LZMA spingono per la densità (ottimi rapporti) con una compressione relativamente lenta. XZ è un contenitore; il lavoro pesante è tipicamente svolto da LZMA/LZMA2 (modellazione simile a LZ77 + codifica a intervalli). Vedi formato file .xz, la specifica LZMA (Pavlov), e le note del kernel Linux su XZ Embedded. XZ di solito comprime meglio di gzip e spesso compete con i moderni codec ad alto rapporto, ma con tempi di codifica più lenti.
bzip2 applica la Trasformata di Burrows-Wheeler (BWT), move-to-front, RLE e la codifica di Huffman. È tipicamente più piccolo di gzip ma più lento; vedi il manuale ufficiale e le pagine man (Linux).
La “dimensione della finestra” è importante. I riferimenti DEFLATE possono guardare indietro solo di 32 KiB (RFC 1951 e il limite di 32 KiB di PNG notato qui). La finestra di Brotli varia da circa 1 KiB a 16 MiB (RFC 7932). Zstd regola la finestra e la profondità di ricerca per livello (RFC 8878). I flussi di base gzip/zstd/brotli sono progettati per la decodifica sequenziale; i formati di base non promettono l'accesso casuale, sebbene i contenitori (ad es. indici tar, framing a blocchi o indici specifici del formato) possano stratificarlo.
I formati di cui sopra sono senza perdita: è possibile ricostruire i byte esatti. I codec multimediali sono spesso con perdita: scartano dettagli impercettibili per raggiungere bitrate più bassi. Nelle immagini, il JPEG classico (DCT, quantizzazione, codifica entropica) è standardizzato in ITU-T T.81 / ISO/IEC 10918-1. Nell'audio, MP3 (MPEG-1 Layer III) e AAC (MPEG-2/4) si basano su modelli percettivi e trasformate MDCT (vedi ISO/IEC 11172-3, ISO/IEC 13818-7, e una panoramica MDCT qui). Con perdita e senza perdita possono coesistere (ad es. PNG per le risorse dell'interfaccia utente; codec Web per immagini/video/audio).
Teoria: Shannon 1948 · Velocità-distorsione · Codifica: Huffman 1952 · Codifica aritmetica · Codifica a intervalli · ANS. Formati: DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · Formato XZ. Stack BWT: Burrows–Wheeler (1994) · manuale bzip2. Media: JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
In conclusione: scegli un compressore che si adatti ai tuoi dati e ai tuoi vincoli, misura su input reali e non dimenticare i vantaggi derivanti dai dizionari e dal framing intelligente. Con la giusta accoppiata, puoi ottenere file più piccoli, trasferimenti più veloci e app più scattanti, senza sacrificare la correttezza o la portabilità.
La compressione dei file è un processo che riduce le dimensioni di un file o di più file, tipicamente per risparmiare spazio di archiviazione o accelerare la trasmissione su una rete.
La compressione dei file funziona identificando e rimuovendo la ridondanza nei dati. Utilizza algoritmi per codificare i dati originali in uno spazio minore.
I due principali tipi di compressione dei file sono la compressione senza perdita e la compressione con perdita. La compressione senza perdita permette di ripristinare perfettamente il file originale, mentre la compressione con perdita consente una riduzione di dimensioni più significativa a costo di una certa perdita nella qualità dei dati.
Un esempio popolare di uno strumento di compressione dei file è WinZip, che supporta più formati di compressione tra cui ZIP e RAR.
Con la compressione senza perdita, la qualità rimane inalterata. Tuttavia, con la compressione con perdita, può esserci una diminuzione notevole della qualità perché elimina dati meno importanti per ridurre più significativamente la dimensione del file.
Sì, la compressione dei file è sicura in termini di integrità dei dati, specialmente con la compressione senza perdita. Tuttavia, come qualsiasi file, i file compressi possono essere presi di mira da malware o virus, quindi è sempre importante avere in atto un software di sicurezza affidabile.
Quasi tutti i tipi di file possono essere compressi, inclusi file di testo, immagini, audio, video e software. Tuttavia, il livello di compressione ottenibile può variare significativamente tra i tipi di file.
Un file ZIP è un tipo di formato di file che utilizza la compressione senza perdita per ridurre le dimensioni di uno o più file. Più file in un file ZIP sono effettivamente raggruppati insieme in un unico file, il che facilita anche la condivisione.
Tecnicamente, sì, anche se la riduzione aggiuntiva delle dimensioni potrebbe essere minima o addirittura controproducente. Comprimere un file già compresso potrebbe a volte aumentare le sue dimensioni a causa dei metadati aggiunti dall'algoritmo di compressione.
Per decomprimere un file, di solito ti serve uno strumento di decompressione o di estrazione, come WinZip o 7-Zip. Questi strumenti possono estrarre i file originali dal formato compresso.