O 7-Zip é um arquivador de arquivos e ferramenta de compactação popular que utiliza seu próprio formato de arquivo, conhecido como formato 7z. Desenvolvido por Igor Pavlov, o formato 7z foi projetado para fornecer altas taxas de compactação, criptografia forte e suporte para vários métodos de compactação. Este explicador técnico irá se aprofundar nos detalhes do formato de arquivo 7z, sua estrutura e as várias técnicas de compactação e criptografia que ele emprega.
O formato 7z é um contêiner que pode armazenar vários arquivos e diretórios, juntamente com seus metadados, em um único arquivo de arquivo. Ele suporta compactação sólida, que permite que vários arquivos sejam compactados juntos, resultando em melhores taxas de compactação geral. O formato também inclui recursos como compactação de cabeçalho, multithreading e a capacidade de dividir arquivos em vários volumes.
A estrutura de um arquivo 7z consiste em três partes principais: o cabeçalho de assinatura, o cabeçalho e os blocos de dados compactados. O cabeçalho de assinatura é uma sequência de 6 bytes que identifica o arquivo como um arquivo 7z. Ele sempre começa com os bytes '7z\xBC\xAF\x27\x1C'. O cabeçalho segue a assinatura e contém informações essenciais sobre o arquivo, como a versão, o número de arquivos e os métodos de compactação usados.
O cabeçalho é dividido em várias subpartes, incluindo as propriedades do arquivo, as informações do fluxo e as informações do arquivo. As propriedades do arquivo armazenam informações gerais sobre o arquivo, como o número de arquivos e a hora de criação. As informações do fluxo contêm detalhes sobre os blocos de dados compactados, como seu tamanho e os métodos de compactação usados. As informações do arquivo armazenam metadados para cada arquivo no arquivo, incluindo o nome do arquivo, tamanho e atributos.
Um dos principais recursos do formato 7z é seu suporte para vários métodos de compactação. Os métodos mais comuns usados em arquivos 7z são LZMA (algoritmo de cadeia de Markov Lempel-Ziv) e LZMA2. LZMA é um algoritmo de compactação de alto desempenho que oferece excelentes taxas de compactação, especialmente para arquivos de texto e executáveis. LZMA2 é uma versão aprimorada do LZMA que oferece melhor suporte a multithreading e velocidades de descompressão mais rápidas.
Além do LZMA e LZMA2, o formato 7z também suporta outros métodos de compactação, como BZip2, PPMd e Delta. BZip2 é um algoritmo de compactação de uso geral que fornece boas taxas de compactação para uma ampla gama de tipos de arquivo. PPMd é um método de compactação estatística que funciona bem para arquivos de texto e pode atingir taxas de compactação muito altas. A compactação Delta é usada para armazenar diferenças entre arquivos semelhantes, o que pode reduzir significativamente o tamanho do arquivo ao armazenar várias versões do mesmo arquivo.
O formato 7z também inclui recursos de criptografia fortes para proteger o conteúdo do arquivo. Ele suporta o algoritmo de criptografia AES-256, que é considerado um dos métodos de criptografia mais seguros disponíveis. Quando um arquivo é criptografado, todos os nomes de arquivo, metadados e blocos de dados compactados são protegidos, tornando virtualmente impossível para usuários não autorizados acessar o conteúdo do arquivo sem a senha correta.
Para garantir a integridade dos dados, o formato 7z usa uma combinação de verificação de redundância cíclica (CRC) e valores de hash SHA-256. Cada bloco de dados compactado tem um valor CRC que é usado para detectar e corrigir erros durante a descompressão. Além disso, o cabeçalho do arquivo e os metadados do arquivo são protegidos por valores de hash SHA-256, que podem ser usados para verificar a integridade do arquivo e seu conteúdo.
O formato 7z também suporta a criação de arquivos autoextraíveis (SFX). Um arquivo SFX é um arquivo executável que inclui os dados compactados e o código de extração necessário. Quando executado, o arquivo SFX extrai automaticamente o conteúdo para um local especificado, sem a necessidade de nenhum software adicional. Esse recurso facilita a distribuição de arquivos compactados para usuários que podem não ter uma ferramenta de extração compatível instalada.
Uma das vantagens do formato 7z é sua arquitetura aberta, que permite que os desenvolvedores criem ferramentas e bibliotecas compatíveis. O próprio software 7-Zip é de código aberto e seu código-fonte está disponível sob a GNU Lesser General Public License (LGPL). Isso levou ao desenvolvimento de várias ferramentas e plug-ins de terceiros que podem criar, extrair e manipular arquivos 7z.
Concluindo, o formato de arquivo 7z é um contêiner de compactação poderoso e versátil que oferece altas taxas de compactação, criptografia forte e suporte para vários métodos de compactação. Seus recursos avançados, como compactação sólida, multithreading e arquivos autoextraíveis, o tornam uma escolha atraente para usuários individuais e ambientes corporativos. À medida que o formato continua a evoluir e melhorar, é provável que continue sendo uma escolha popular para compactação e arquivamento de arquivos.
A compactação de arquivos reduz redundâncias para que as mesmas informações ocupem menos bits. O limite superior é definido pela teoria da informação: em compactação sem perdas, a fronteira é a entropia da fonte (veja o teorema de codificação de fonte de Shannon teorema de codificação de fonte e seu artigo original de 1948 “A Mathematical Theory of Communication”). Para compactação com perdas, o trade-off entre taxa e qualidade é capturado pela teoria taxa-distorção.
A maioria dos compressores tem duas etapas. Primeiro, um modelo prevê ou expõe estrutura nos dados. Depois, um codificador transforma essas previsões em padrões de bits quase ótimos. Uma família clássica é Lempel–Ziv LZ77 (1977) e LZ78 (1978) detectam substrings repetidas e emitem referências em vez de bytes brutos. Do lado da codificação Huffman (veja o artigo de 1952) dá códigos menores a símbolos mais prováveis. Codificação aritmética e codificação por intervalos chegam ainda mais perto do limite de entropia, enquanto Asymmetric Numeral Systems (ANS) modernos atingem taxas similares com implementações rápidas baseadas em tabelas.
DEFLATE (usado por gzip, zlib e ZIP) combina LZ77 com Huffman. As especificações são públicas: DEFLATE RFC 1951, wrapper zlib RFC 1950e formato gzip RFC 1952. O gzip é moldado para streaming e não tenta fornecer acesso aleatório. PNG padroniza DEFLATE como único método de compressão (janela máxima de 32 KiB) segundo “Compression method 0… deflate/inflate… at most 32768 bytes” e o W3C/ISO PNG 2nd Edition.
Zstandard (zstd): um compressor moderno de uso geral pensado para altas taxas e decompactação muito rápida. O formato está em RFC 8878 (e no espelho HTML) além da especificação de referência no GitHub. Assim como gzip, o frame básico não mira acesso aleatório. Um superpoder do zstd são dicionários: pequenas amostras do seu corpus que reduzem drasticamente muitos arquivos pequenos ou parecidos (consulte a documentação de dicionários do python-zstandard e o exemplo de Nigel Tao). Implementações aceitam dicionários “unstructured” e “structured” (discussão).
Brotli: otimizado para conteúdo web (ex.: fontes WOFF2, HTTP). Mistura um dicionário estático com um núcleo LZ+entropia parecido com DEFLATE. Sua especificação é RFC 7932, que também descreve uma janela 2WBITS−16 com WBITS em [10, 24] (1 KiB−16 B até 16 MiB−16 B) e diz que não fornece acesso aleatório. Brotli costuma superar gzip em texto web e ainda decodifica rápido.
Contêiner ZIP: ZIP é um arquivo que pode armazenar entradas com diversos métodos (deflate, store, zstd etc.). O padrão de fato é o APPNOTE da PKWARE (veja o portal APPNOTE, uma cópia hospedadae os resumos da LC ZIP File Format (PKWARE) / ZIP 6.3.3).
LZ4 mira velocidade bruta com razões modestas. Consulte a página do projeto (“extremely fast compression”) e o formato de frame. Ideal para caches em memória, telemetria ou pipelines quentes que exigem decompactação quase na velocidade da RAM.
XZ / LZMA busca densidade (ótimas taxas) com compressão relativamente lenta. XZ é um contêiner; quem faz o serviço pesado é normalmente LZMA/LZMA2 (modelagem tipo LZ77 + range coding). Veja o formato .xz, a especificação LZMA (Pavlov)e notas do kernel Linux sobre XZ Embedded. XZ costuma comprimir melhor que gzip e rivaliza com codecs modernos de alta taxa, porém com tempos de codificação mais longos.
bzip2 usa Transformada de Burrows–Wheeler (BWT), move-to-front, RLE e Huffman. Geralmente gera arquivos menores que gzip, porém mais devagar; veja o manual oficial e as páginas man (Linux).
O “tamanho da janela” importa. Referências DEFLATE olham no máximo 32 KiB para trás (RFC 1951) e o limite de 32 KiB do PNG documentado aqui. Brotli cobre janelas de ~1 KiB a 16 MiB (RFC 7932). Zstd ajusta janela e profundidade de busca pelos níveis (RFC 8878). Streams básicos de gzip/zstd/brotli foram feitos para decodificação sequencial; os formatos não prometem acesso aleatório, embora contêineres (tar com índice, framing em blocos ou índices específicos) possam adicioná-lo.
Os formatos acima são sem perdas: recuperam exatamente os mesmos bytes. Codecs de mídia costumam ser com perdas: descartam detalhes imperceptíveis para atingir taxas mais baixas. Em imagens, o JPEG clássico (DCT, quantização, codificação entropia) é padronizado em ITU-T T.81 / ISO/IEC 10918-1. Em áudio, MP3 (MPEG-1 Layer III) e AAC (MPEG-2/4) usam modelos perceptuais e transformadas MDCT (veja ISO/IEC 11172-3, ISO/IEC 13818-7e a visão geral de MDCT aqui). As abordagens com e sem perdas podem coexistir (ex.: PNG para ativos de UI; codecs web para imagem/vídeo/áudio).
Teoria Shannon 1948 · Rate–distortion · Codificação Huffman 1952 · Codificação aritmética · Range coding · ANS. Formatos DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · Formato XZ. Pilha BWT Burrows–Wheeler (1994) · manual do bzip2. Mídia JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Em resumo: escolha um compressor que combine com seus dados e restrições, meça em entradas reais e não esqueça os ganhos de dicionários e framing inteligente. Com o par certo você obtém arquivos menores, transferências mais rápidas e apps mais responsivos sem sacrificar correção ou portabilidade.
A compressão de arquivos é um processo que reduz o tamanho de um arquivo ou arquivos, normalmente para economizar espaço de armazenamento ou acelerar a transmissão em uma rede.
A compressão de arquivos funciona identificando e removendo redundâncias nos dados. Ela usa algoritmos para codificar os dados originais em um espaço menor.
Os dois principais tipos de compressão de arquivos são a compressão sem perdas e a compressão com perdas. A compressão sem perdas permite que o arquivo original seja perfeitamente restaurado, enquanto a compressão com perdas permite uma redução de tamanho mais significativa com alguma perda de qualidade dos dados.
Um exemplo popular de uma ferramenta de compressão de arquivos é o WinZip, que suporta vários formatos de compressão, incluindo ZIP e RAR.
Com compressão sem perdas, a qualidade permanece inalterada. No entanto, com compressão com perdas, pode haver uma diminuição perceptível na qualidade, pois elimina dados menos importantes para reduzir significativamente o tamanho do arquivo.
Sim, a compressão de arquivos é segura em termos de integridade dos dados, especialmente com compressão sem perdas. No entanto, como qualquer arquivo, os arquivos comprimidos podem ser alvo de malware ou vírus, por isso, é sempre importante ter um software de segurança de boa reputação.
Quase todos os tipos de arquivos podem ser comprimidos, incluindo arquivos de texto, imagens, áudio, vídeo e arquivos de software. No entanto, o nível de compressão alcançável pode variar significativamente entre os tipos de arquivo.
Um arquivo ZIP é um tipo de formato de arquivo que usa compressão sem perdas para reduzir o tamanho de um ou mais arquivos. Vários arquivos em um arquivo ZIP são efetivamente agrupados em um único arquivo, o que também facilita o compartilhamento.
Tecnicamente, sim, embora a redução de tamanho adicional possa ser mínima ou até contraproducente. Comprimir um arquivo já comprimido pode às vezes aumentar seu tamanho devido aos metadados adicionados pelo algoritmo de compressão.
Para descomprimir um arquivo, geralmente você precisa de uma ferramenta de descompressão ou descompactação, como WinZip ou 7-Zip. Essas ferramentas podem extrair os arquivos originais do formato comprimido.