Il formato di archivio ar SVR4 è un formato di file utilizzato per archiviare raccolte di file in un singolo file di archivio. È stato introdotto come parte del sistema operativo UNIX System V Release 4 (SVR4) alla fine degli anni '80. Il formato ar è ancora ampiamente utilizzato oggi su molti sistemi UNIX e Linux per il packaging di librerie software, file oggetto e altre raccolte di file correlati.
Un archivio ar è costituito da un'intestazione globale seguita da una serie di membri di archivio. Ogni membro di archivio rappresenta un file archiviato nell'archivio. L'intestazione globale è una semplice struttura di 8 byte che identifica il file come un archivio ar e specifica l'offset per il primo membro di archivio.
L'intestazione globale ha il seguente formato: - Byte 0-1: La stringa magica "!<arch>\n" che identifica il file come un archivio ar - Byte 2-3: I quattro caratteri ASCII "`\ " seguiti da due byte di padding dipendenti dalla piattaforma, rendendo l'intestazione lunga esattamente 8 byte
Dopo l'intestazione globale ci sono i singoli membri di archivio. Ogni membro di archivio è costituito da un'intestazione seguita immediatamente dal contenuto del membro. L'intestazione per ciascun membro ha il seguente formato: - Byte 0-15: Nome file, giustificato a sinistra e completato con zeri - Byte 16-27: Timestamp di modifica del file in decimale - Byte 28-33: ID proprietario in decimale - Byte 34-39: ID gruppo in decimale - Byte 40-47: Modalità file in ottale - Byte 48-57: Dimensione file in byte in decimale - Byte 58-59: La stringa "`\ "
Alcune cose importanti da notare sulle intestazioni dei membri: - Il nome del file è limitato a 16 caratteri. Per nomi più lunghi, può essere utilizzato un membro speciale con nome esteso System V. - Il timestamp, gli ID proprietario/gruppo e la modalità file sono in decimale o ottale ASCII. Devono essere terminati con un carattere null se più corti della larghezza del loro campo. - La dimensione del file non include la dimensione dell'intestazione stessa. - Ogni campo dell'intestazione è terminato da uno spazio o un byte null se più corto della sua larghezza fissa. Non c'è padding di allineamento tra i campi.
Il contenuto di ciascun membro di archivio segue immediatamente la sua intestazione da 60 byte senza padding aggiuntivo. I dati del file vengono archiviati esattamente come apparivano nel file originale, senza codifica o compressione.
Nei file ar possono apparire membri di archivio speciali per fornire metadati aggiuntivi: - "// ": Il membro della tabella dei simboli contiene una tabella di ricerca dei nomi dei simboli utilizzata per il collegamento dei file oggetto. Ha il nome speciale "// " (barra barra spazio). - "/ ": La tabella dei nomi estesi viene utilizzata per i nomi di file più lunghi di 16 byte. È denominata con una barra seguita da spazi sufficienti per riempire fino a 16 byte. I nomi estesi vengono archiviati come un elenco di stringhe terminate da null in questo membro.
Per analizzare un archivio ar, un programma leggerebbe prima l'intestazione globale da 8 byte e verificherebbe la stringa magica dell'archivio. Quindi eseguirebbe la scansione dei dati dell'archivio, leggendo l'intestazione da 60 byte per ciascun membro. Il campo della dimensione del file indica al programma quanti byte leggere per il contenuto di quel membro prima di passare all'intestazione successiva.
Durante la creazione di un archivio ar, un programma scrive l'intestazione globale, quindi l'intestazione e il contenuto per ciascun membro di archivio da includere. Se vengono utilizzati nomi estesi, deve essere aggiunto il membro della tabella dei nomi estesi. La tabella dei simboli, se inclusa, viene solitamente aggiunta come primo membro dopo l'intestazione globale.
Il formato ar è abbastanza semplice, ma presenta alcune limitazioni. Non supporta compressione, crittografia o altre funzionalità avanzate presenti in formati più moderni come tar o ZIP. Il limite di nome di 16 caratteri è restrittivo e lo schema del nome esteso è un po' scomodo. Tuttavia, ar rimane ampiamente utilizzato per la sua semplicità, compatibilità e idoneità per il packaging di file correlati come moduli di codice oggetto in file di libreria.
Nonostante la sua età, il formato ar ha visto un uso continuo e alcuni miglioramenti nel corso degli anni: - Le varianti BSD hanno esteso ar con il supporto per nomi più lunghi senza la tabella dei nomi estesi e dimensioni di file maggiori. - Il programma GNU ar è diventato l'implementazione standard de facto e supporta varie estensioni pur mantenendo la compatibilità. - Il formato ar è un formato di output obbligatorio per i file oggetto utilizzati da molti compilatori e linker.
In sintesi, il formato di archivio ar SVR4 è una specifica venerabile ma ancora ampiamente utilizzata per raggruppare raccolte di file in un singolo file più grande. La sua semplicità e compatibilità hanno contribuito alla sua longevità. Mentre i formati più avanzati sono spesso preferiti per l'archiviazione e la compressione generali, ar rimane una parte importante della cassetta degli attrezzi sui sistemi Unix-like, specialmente per lo sviluppo software.
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.