Format SHAR (SHell ARchive) to format archiwizacji i kompresji plików powszechnie używany w systemach operacyjnych Unix i podobnych do Unix. Został opracowany jako prosty sposób pakowania wielu plików i katalogów do pojedynczego pliku archiwum w celu łatwiejszego przechowywania i przesyłania. Format SHAR umożliwia opcjonalną kompresję zarchiwizowanych plików w celu zmniejszenia ogólnego rozmiaru powstałego archiwum.
Archiwum SHAR to w zasadzie skrypt powłoki, który zawiera serię poleceń w celu odtworzenia oryginalnej struktury katalogów i plików. Gdy plik SHAR jest wykonywany, powłoka interpretuje polecenia i wyodrębnia pliki do ich oryginalnych lokalizacji. Dzięki temu archiwa SHAR są łatwe do tworzenia i wyodrębniania bez potrzeby używania specjalistycznych narzędzi do archiwizacji, o ile dostępna jest powłoka Unix.
Struktura archiwum SHAR składa się z nagłówka, metadanych pliku i rzeczywistej zawartości pliku. Nagłówek zwykle zawiera wiersz shebang (np. `#!/bin/sh`), aby określić interpreter dla skryptu powłoki, a następnie wszelkie niezbędne polecenia powłoki lub deklaracje zmiennych. Nagłówek może również zawierać komentarze lub instrukcje dotyczące wyodrębniania archiwum.
Po nagłówku archiwum SHAR zawiera serię sekcji dla każdego archiwizowanego pliku lub katalogu. Każda sekcja zaczyna się od metadanych pliku, takich jak jego nazwa, uprawnienia, własność i znaczniki czasu. Te metadane są reprezentowane za pomocą poleceń powłoki, które ustawiają odpowiednie atrybuty podczas wyodrębniania pliku.
Po metadanych w archiwum zawarta jest rzeczywista zawartość pliku. Zawartość pliku jest zwykle kodowana za pomocą schematów kodowania `uuencode` lub `base64`, aby zapewnić, że zawartość jest zgodna z tekstową naturą skryptu powłoki. Zakodowana zawartość jest dzielona na mniejsze fragmenty i drukowana jako seria poleceń `echo` lub `printf` w skrypcie.
Jeśli archiwum SHAR zawiera katalogi, struktura katalogów jest odtwarzana za pomocą kombinacji poleceń `mkdir` i odpowiednich ustawień metadanych. Pliki w każdym katalogu są następnie dodawane do archiwum w taki sam sposób, jak opisano powyżej.
Opcjonalnie archiwum SHAR może zawierać kompresję w celu zmniejszenia rozmiaru wynikowego pliku. Typowe metody kompresji używane z SHAR to `gzip`, `bzip2` i `compress`. Kompresja jest zwykle stosowana do poszczególnych plików przed ich zakodowaniem i dodaniem do archiwum. Gdy archiwum SHAR jest wyodrębniane, skompresowane pliki są automatycznie dekompresowane przez skrypt powłoki.
Aby utworzyć archiwum SHAR, możesz użyć polecenia `shar`, które jest dostępne w większości systemów Unix i podobnych do Unix. Podstawowa składnia tworzenia archiwum SHAR to: `shar [opcje] plik1 plik2 katalog1 ... > archiwum.shar`. Określone pliki i katalogi zostaną uwzględnione w wynikowym pliku archiwum.
Wyodrębnienie archiwum SHAR jest tak proste, jak wykonanie skryptu powłoki zawartego w archiwum. Można to zrobić, czyniąc plik SHAR wykonywalnym za pomocą polecenia `chmod`, a następnie uruchamiając go jako skrypt: `chmod +x archiwum.shar && ./archiwum.shar`. Powłoka zinterpretuje polecenia w skrypcie i odtworzy oryginalne pliki i katalogi.
Jedną z zalet formatu SHAR jest jego prostota i przenośność. Archiwa SHAR można tworzyć i wyodrębniać w dowolnym systemie z powłoką Unix, bez potrzeby dodatkowego oprogramowania. Jednak format SHAR ma pewne ograniczenia w porównaniu z bardziej zaawansowanymi formatami archiwizacji, takimi jak `tar` lub `zip`. Archiwom SHAR brakuje takich funkcji, jak losowy dostęp do poszczególnych plików, sprawdzanie integralności lub wbudowane szyfrowanie.
Pomimo swoich ograniczeń format SHAR pozostaje przydatny w niektórych scenariuszach, szczególnie w przypadku systemów opartych na Unix lub gdy pożądana jest prostota. Zapewnia prosty sposób pakowania i dystrybucji plików jako pojedyncze, samoekstrahujące archiwum.
Podsumowując, format archiwum SHAR to prosty i przenośny sposób pakowania wielu plików i katalogów do pojedynczego archiwum skryptu powłoki. Umożliwia opcjonalną kompresję i można go łatwo tworzyć i wyodrębniać za pomocą standardowych poleceń powłoki Unix. Mimo braku zaawansowanych funkcji w porównaniu z innymi formatami archiwizacji, SHAR pozostaje przydatnym narzędziem w ekosystemie Unix do podstawowych potrzeb archiwizacji i dystrybucji.
Kompresja plików redukuje redundancję, dzięki czemu te same informacje wymagają mniej bitów. Górna granica jest wyznaczana przez teorię informacji: dla kompresji bezstratnej limitem jest entropia źródła (zobacz teoremę kodowania źródła Shannona source coding theorem oraz jego oryginalny artykuł z 1948 roku „A Mathematical Theory of Communication”). W kompresji stratnej kompromis między przepływnością a jakością opisuje teoria rate–distortion.
Większość kompresorów działa w dwóch etapach. Najpierw model przewiduje lub ujawnia strukturę danych. Następnie koder zamienia te przewidywania w niemal optymalne wzorce bitowe. Klasyczną rodziną modeli jest Lempel–Ziv LZ77 (1977) i LZ78 (1978) wykrywają powtarzające się podciągi i zamiast surowych bajtów emitują odwołania. Po stronie kodowania kodowanie Huffmana (zob. artykuł z 1952 r.) przypisuje krótsze kody symbolom bardziej prawdopodobnym. Kodowanie arytmetyczne i range coding są jeszcze precyzyjniejsze i zbliżają się do granicy entropii, a nowoczesne Asymmetric Numeral Systems (ANS) osiągają podobne wyniki dzięki szybkim implementacjom tablicowym.
DEFLATE (wykorzystywane przez gzip, zlib i ZIP) łączy LZ77 z kodowaniem Huffmana. Specyfikacje są publiczne: DEFLATE RFC 1951, wrapper zlib RFC 1950i format gzip RFC 1952. Gzip jest przeznaczony do strumieniowania i wprost nie oferuje dostępu losowego. Obrazy PNG standaryzują DEFLATE jako jedyną metodę kompresji (maks. okno 32 KiB) zgodnie ze specyfikacją „Compression method 0… deflate/inflate… at most 32768 bytes” oraz W3C/ISO PNG 2nd Edition.
Zstandard (zstd): nowszy uniwersalny kompresor zaprojektowany dla wysokich współczynników i bardzo szybkiej dekompresji. Format opisano w RFC 8878 (oraz lustrze HTML) i w specyfikacji referencyjnej na GitHubie. Podobnie jak gzip, podstawowa ramka nie celuje w dostęp losowy. Jednym z supermocy zstd są słowniki: niewielkie próbki z korpusu, które dramatycznie poprawiają kompresję wielu małych lub podobnych plików (zob.dokumentację słowników python-zstandard i przykład Nigela Tao). Implementacje akceptują zarówno słowniki „unstructured”, jak i „structured” (dyskusja).
Brotli: zoptymalizowane pod kątem treści webowych (np. fonty WOFF2, HTTP). Łączy statyczny słownik z jądrem LZ+entropia podobnym do DEFLATE. Specyfikacja to RFC 7932, które opisuje też okno 2WBITS−16 z WBITS w [10, 24] (1 KiB−16 B do 16 MiB−16 B) i stwierdza, że nie zapewnia dostępu losowego. Brotli często pokonuje gzip na tekstach webowych, jednocześnie szybko dekodując.
Kontener ZIP: ZIP to archiwum plików, które może przechowywać wpisy z różnymi metodami kompresji (deflate, store, zstd itd.). De facto standardem jest APPNOTE PKWARE (zob.portal APPNOTE, hostowaną kopięoraz omówienia LC ZIP File Format (PKWARE) / ZIP 6.3.3).
LZ4 celuje w surową szybkość przy umiarkowanych współczynnikach. Zobacz stronę projektu („extremely fast compression”) oraz opis formatu ramek. Idealne do cache w pamięci, telemetrii lub wrażliwych ścieżek, gdzie dekompresja musi być prawie tak szybka jak RAM.
XZ / LZMA goni za wysoką gęstością (świetnymi współczynnikami) kosztem wolniejszej kompresji. XZ to kontener; ciężar pracy wykonują zwykle LZMA/LZMA2 (modelowanie podobne do LZ77 + range coding). Zobacz format .xz, specyfikację LZMA (Pavlov)oraz notatki jądra Linux o XZ Embedded. XZ zwykle kompresuje lepiej niż gzip i często konkuruje z nowoczesnymi kodekami wysokiego współczynnika, ale wymaga dłuższego kodowania.
bzip2 stosuje Transformację Burrowsa–Wheelera (BWT), move-to-front, RLE i kodowanie Huffmana. Zwykle daje mniejsze pliki niż gzip, ale działa wolniej; zobacz oficjalny podręcznik oraz stronę man (Linux).
Liczy się „rozmiar okna”. Odwołania w DEFLATE mogą sięgać tylko 32 KiB wstecz (RFC 1951) oraz limitu PNG 32 KiB opisanego tutaj. Brotli ma okno od ~1 KiB do 16 MiB (RFC 7932). Zstd dostraja okno i głębokość wyszukiwania poziomami (RFC 8878). Podstawowe strumienie gzip/zstd/brotli są projektowane do sekwencyjnego dekodowania; same formaty nie gwarantują dostępu losowego, choć kontenery (np. indeksy tar, ramek chunked lub indeksy specyficzne dla formatu) mogą go dodać.
Powyższe formaty są bezstratne: odtwarzają dokładnie te same bajty. Kodeki multimedialne często są stratne: odrzucają niewidoczne szczegó ły, by osiągnąć niższe bitrate’y. W obrazach klasyczny JPEG (DCT, kwantyzacja, kodowanie entropijne) jest standaryzowany w ITU-T T.81 / ISO/IEC 10918-1. W audio MP3 (MPEG-1 Layer III) i AAC (MPEG-2/4) używają modeli percepcyjnych i transformacji MDCT (zob.ISO/IEC 11172-3, ISO/IEC 13818-7i przegląd MDCT tutaj). Metody stratne i bezstratne mogą współistnieć (np. PNG do UI, kodeki webowe dla obrazów/wideo/audio).
Teoria Shannon 1948 · Rate–distortion · Kodowanie Huffman 1952 · Kodowanie arytmetyczne · Range coding · ANS. Format DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · Format XZ. Stos BWT Burrows–Wheeler (1994) · podręcznik bzip2. Media JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Podsumowanie: wybierz kompresor dopasowany do danych i ograniczeń, mierz na prawdziwych próbkach i nie zapominaj o zyskach ze słowników oraz sprytnego ramek. Z odpowiednią parą uzyskasz mniejsze pliki, szybsze transfery i żwawsze aplikacje bez poświęcania poprawności czy przenośności.
Kompresja plików to proces, który zmniejsza rozmiar pliku lub plików, zazwyczaj w celu oszczędności miejsca na dysku lub przyspieszenia transmisji przez sieć.
Kompresja plików działa poprzez identyfikowanie i usuwanie nadmiarowej informacji w danych. Wykorzystuje algorytmy do kodowania oryginalnych danych w mniejszej przestrzeni.
Dwa główne typy kompresji plików to kompresja bezstratna i stratna. Kompresja bezstratna pozwala na idealne przywrócenie oryginalnego pliku, podczas gdy kompresja stratna umożliwia znaczniejsze zmniejszenie rozmiaru kosztem pewnej utraty jakości danych.
Popularnym przykładem narzędzia do kompresji plików jest WinZip, który obsługuje wiele formatów kompresji, w tym ZIP i RAR.
W przypadku kompresji bezstratnej, jakość pozostaje niezmieniona. Jednak przy kompresji stratnej może dojść do zauważalnego spadku jakości, ponieważ eliminuje ona mniej ważne dane, aby bardziej znacząco zmniejszyć rozmiar pliku.
Tak, kompresja plików jest bezpieczna pod względem integralności danych, zwłaszcza przy kompresji bezstratnej. Jednak, jak wszystkie pliki, skompresowane pliki mogą być celem dla z łośliwego oprogramowania lub wirusów, dlatego zawsze ważne jest, aby mieć zainstalowane wiarygodne oprogramowanie zabezpieczające.
Prawie wszystkie typy plików można skompresować, w tym pliki tekstowe, obrazy, audio, wideo i pliki oprogramowania. Jednak poziom możliwej do osiągnięcia kompresji może znacznie różnić się w zależności od typu pliku.
Plik ZIP to typ formatu pliku, który wykorzystuje kompresję bezstratną do zmniejszenia rozmiaru jednego lub więcej plików. Wiele plików w pliku ZIP jest efektywnie grupowanych razem w jeden plik, co ułatwia również udostępnianie.
Technicznie tak, chociaż dodatkowe zmniejszenie rozmiaru może być minimalne lub nawet niekorzystne. Kompresowanie już skompresowanego pliku czasami może zwiększyć jego rozmiar z powodu metadanych dodawanych przez algorytm kompresji.
Aby rozpakować plik, zazwyczaj potrzebujesz narzędzia do dekompresji lub rozpakowywania, takiego jak WinZip czy 7-Zip. Te narzędzia mogą wyodrębnić oryginalne pliki z formatu skompresowanego.