Format pliku .whl, który oznacza „Wheel”, to oparty na ZIP formacie archiwum zaprojektowany do dystrybucji i instalacji pakietów Pythona. Został wprowadzony w PEP 427 jako zamiennik dla starszego formatu .egg. Format .whl zapewnia bardziej wydajny, szybszy i niezależny od platformy sposób dystrybucji pakietów Pythona w porównaniu z dystrybucjami źródłowymi.
Plik .whl to zasadniczo archiwum ZIP, które podąża za określoną strukturą katalogów i konwencją nazewnictwa. Archiwum zawiera kod źródłowy pakietu Pythona, skompilowany bajtkod i pliki metadanych niezbędne do instalacji. Format .whl umożliwia szybszą instalację, ponieważ eliminuje potrzebę wykonywania setup.py i kompilowania pakietu podczas instalacji.
Konwencja nazewnictwa dla plików .whl podąża za określonym wzorcem: {dystrybucja}-{wersja}(-{znacznik kompilacji})?-{znacznik Pythona}-{znacznik ABI}-{znacznik platformy}.whl. Rozbijmy każdy komponent: - {dystrybucja}: Nazwa pakietu Pythona. - {wersja}: Numer wersji pakietu. - {znacznik kompilacji} (opcjonalny): Znacznik wskazujący konkretną kompilację pakietu. - {znacznik Pythona}: Wskazuje implementację i wersję Pythona, taką jak cp38 dla CPython 3.8. - {znacznik ABI}: Określa Application Binary Interface (ABI), taki jak cp38m dla CPython 3.8 z Unicode UCS-4. - {znacznik platformy}: Określa platformę docelową, taką jak win_amd64 dla 64-bitowego systemu Windows. Na przykład plik .whl o nazwie mypackage-1.0.0-cp38-cp38-win_amd64.whl reprezentuje wersję 1.0.0 „mypackage” zbudowaną dla CPython 3.8 w 64-bitowym systemie Windows.
Struktura katalogów wewnątrz archiwum .whl podąża za określonym układem. Na najwyższym poziomie znajduje się katalog „{dystrybucja}-{wersja}.dist-info”, który zawiera pliki metadanych. Rzeczywisty kod pakietu i zasoby są przechowywane w osobnym katalogu o nazwie „{dystrybucja}-{wersja}.data”.
Wewnątrz katalogu „.dist-info” zwykle znajdziesz następujące pliki: - METADATA: Zawiera metadane pakietu, takie jak nazwa, wersja, autor i zależności. - WHEEL: Określa wersję specyfikacji Wheel i znaczniki zgodności pakietu. - RECORD: Lista wszystkich plików zawartych w archiwum .whl wraz z ich haszami w celu weryfikacji integralności. - entry_points.txt (opcjonalny): Definiuje punkty wejścia dla pakietu, takie jak skrypty konsoli lub wtyczki. - LICENSE.txt (opcjonalny): Zawiera informacje o licencji pakietu. Katalog „.data” zawiera rzeczywisty kod pakietu i zasoby, zorganizowane zgodnie z wewnętrzną strukturą pakietu.
Aby utworzyć plik .whl, zwykle używa się narzędzia takiego jak setuptools lub pip. Te narzędzia automatycznie generują niezbędne pliki metadanych i pakują kod do formatu .whl na podstawie pliku setup.py pakietu lub konfiguracji pyproject.toml. Na przykład uruchomienie `python setup.py bdist_wheel` lub `pip wheel .` w katalogu pakietu wygeneruje plik .whl w katalogu „dist”.
Podczas instalowania pakietu z pliku .whl narzędzia takie jak pip obsługują proces instalacji. Wyodrębniają zawartość archiwum .whl, weryfikują integralność plików za pomocą informacji w pliku RECORD i instalują pakiet w odpowiedniej lokalizacji w środowisku Pythona. Pliki metadanych w katalogu „.dist-info” są używane do śledzenia zainstalowanego pakietu i jego zależności.
Jedną z głównych zalet formatu .whl jest jego zdolność do dostarczania wstępnie skompilowanych pakietów specyficznych dla platformy. Oznacza to, że użytkownicy mogą instalować pakiety bez konieczności posiadania zgodnego środowiska kompilacji lub kompilowania pakietu ze źródła. Pliki .whl można budować i dystrybuować dla różnych platform i wersji Pythona, co ułatwia dystrybucję pakietów do szerokiego grona użytkowników.
Kolejną zaletą formatu .whl jest jego szybsza prędkość instalacji w porównaniu z dystrybucjami źródłowymi. Ponieważ pliki .whl zawierają wstępnie skompilowany bajtkod i nie wymagają wykonywania setup.py podczas instalacji, proces instalacji jest znacznie szybszy. Jest to szczególnie zauważalne w przypadku pakietów o złożonych procesach kompilacji lub zależnościach.
Format .whl obsługuje również różne funkcje i rozszerzenia. Na przykład umożliwia dołączenie skompilowanych rozszerzeń (np. rozszerzeń C) w archiwum, co ułatwia dystrybucję pakietów z kodem natywnym. Obsługuje również koncepcję „bezpośrednich odwołań do adresów URL” (PEP 610), która umożliwia określanie adresów URL dla zależności pakietu, umożliwiając bardziej elastyczne mechanizmy dystrybucji.
Podsumowując, format archiwum .whl jest standaryzowanym i wydajnym sposobem dystrybucji pakietów Pythona. Zapewnia niezależny od platformy i szybszy proces instalacji w porównaniu z dystrybucjami źródłowymi. Postępując zgodnie z określoną strukturą katalogów i konwencją nazewnictwa, pliki .whl zawierają kod pakietu, metadane i zależności w jednym archiwum. Szerokie przyjęcie formatu .whl znacznie uprościło dystrybucję i instalację pakietów Pythona, ułatwiając programistom udostępnianie swoich bibliotek, a użytkownikom bezproblemową instalację.
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 szczegóły, 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 złośliwego 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.