O formato de arquivo ar, abreviação de formato de arquivo Unix, é um formato de arquivo usado para coletar vários arquivos em um único arquivo para facilitar o armazenamento e a transmissão. Ele foi originalmente desenvolvido para sistemas Unix, mas agora é amplamente suportado em diferentes plataformas. O formato ar é mais simples e mais limitado em comparação com formatos de arquivo e compactação mais recentes, mas permanece em uso para certas aplicações.
Um arquivo ar consiste em um cabeçalho global, seguido por uma série de cabeçalhos de arquivo e dados de arquivo. O cabeçalho global é uma string ASCII simples que identifica o arquivo como um arquivo ar. Ele consiste nos caracteres "!<arch>\n" onde "\n" representa um caractere de nova linha. Essa string mágica permite que os utilitários reconheçam facilmente os arquivos ar.
Seguindo o cabeçalho global estão as entradas de arquivo individuais. Cada entrada de arquivo começa com um cabeçalho de arquivo que contém metadados sobre o arquivo. O cabeçalho do arquivo tem um tamanho fixo de 60 bytes e inclui os seguintes campos: - Nome do arquivo (16 bytes): O nome do arquivo, preenchido com espaços se tiver menos de 16 caracteres. Se o nome for maior, ele será truncado e um caractere "/" final indicará que o nome continua na seção de dados do arquivo. - Registro de data e hora da modificação (12 bytes): O registro de data e hora da última modificação do arquivo no formato de hora Unix decimal, preenchido com espaços. - ID do proprietário (6 bytes): A ID numérica do usuário do proprietário do arquivo, em decimal, preenchida com espaços. - ID do grupo (6 bytes): A ID numérica do grupo do arquivo, em decimal, preenchida com espaços. - Modo do arquivo (8 bytes): Os bits de permissão e modo do arquivo, em octal, preenchidos com espaços. - Tamanho do arquivo (10 bytes): O tamanho dos dados do arquivo em bytes, em decimal, preenchido com espaços. - Fim do cabeçalho (2 bytes): Os caracteres "`\n" que marcam o fim do cabeçalho.
Após cada cabeçalho de arquivo, os dados do arquivo são armazenados no arquivo. O tamanho dos dados corresponde ao tamanho do arquivo especificado no cabeçalho. Se o tamanho do arquivo for ímpar, um byte de preenchimento extra será adicionado para garantir que o próximo cabeçalho do arquivo comece em um limite de byte par. Este byte de preenchimento não é contado no campo de tamanho do arquivo do cabeçalho.
Entradas de arquivo especiais chamadas tabelas de símbolos também podem ser incluídas em arquivos ar. As entradas da tabela de símbolos têm um nome de arquivo que começa com "/" ou "\" seguido por uma string de dígitos. Essas entradas contêm metadados usados para vincular arquivos de objeto juntos. O formato dos dados da tabela de símbolos varia entre diferentes sistemas e compiladores.
Os arquivos ar não incluem nenhuma compactação interna. Os arquivos são simplesmente concatenados juntos em sua forma original. No entanto, arquivos individuais dentro de um arquivo ar podem ser compactados usando outros algoritmos como gzip antes de serem adicionados ao arquivo.
O formato ar tem algumas limitações em comparação com formatos de arquivo mais modernos: - Os nomes de arquivo são limitados a 16 caracteres, o que pode ser restritivo. - Os campos de metadados numéricos como ID do usuário, ID do grupo e tamanho do arquivo têm tamanhos fixos, limitando seus valores máximos. - Não há verificação de soma de verificação ou integridade embutida no formato. - Nenhuma compactação é fornecida, resultando em tamanhos de arquivo maiores em comparação com formatos como tar com gzip.
Apesar dessas limitações, o formato ar permanece em uso para algumas aplicações específicas. Um uso comum é para arquivos de biblioteca estática em sistemas semelhantes ao Unix. Esses arquivos de biblioteca com uma extensão ".a" são arquivos ar contendo arquivos de objeto compilados que podem ser vinculados a executáveis. A simplicidade e o amplo suporte do formato ar o tornam adequado para esse propósito.
Em resumo, o formato de arquivo ar é uma maneira simples de agrupar vários arquivos em um único arquivo. Ele consiste em um cabeçalho global seguido por uma série de cabeçalhos de arquivo e dados de arquivo. Embora não possua recursos avançados como compactação e suporte a nomes de arquivos longos, ele ainda é usado em domínios específicos, como arquivos de biblioteca estática em sistemas Unix, devido à sua simplicidade e compatibilidade.
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.