O formato de arquivo ar SVR4 é um formato de arquivo usado para armazenar coleções de arquivos em um único arquivo de arquivo. Ele foi introduzido como parte do sistema operacional UNIX System V Release 4 (SVR4) no final da década de 1980. O formato ar ainda é amplamente usado hoje em muitos sistemas UNIX e Linux para empacotar bibliotecas de software, arquivos de objeto e outras coleções de arquivos relacionados.
Um arquivo ar consiste em um cabeçalho global seguido por uma série de membros de arquivo. Cada membro de arquivo representa um arquivo armazenado no arquivo. O cabeçalho global é uma estrutura simples de 8 bytes que identifica o arquivo como um arquivo ar e especifica o deslocamento para o primeiro membro do arquivo.
O cabeçalho global tem o seguinte formato: - Bytes 0-1: A string mágica "!<arch>\n" que identifica o arquivo como um arquivo ar - Bytes 2-3: Os quatro caracteres ASCII "`\ " seguidos por dois bytes de preenchimento dependentes da plataforma, tornando o cabeçalho exatamente 8 bytes de comprimento
Seguindo o cabeçalho global estão os membros de arquivo individuais. Cada membro de arquivo consiste em um cabeçalho seguido imediatamente pelo conteúdo do membro. O cabeçalho para cada membro tem o seguinte formato: - Bytes 0-15: Nome do arquivo, justificado à esquerda e preenchido com nulos - Bytes 16-27: Carimbo de data/hora de modificação do arquivo em decimal - Bytes 28-33: ID do proprietário em decimal - Bytes 34-39: ID do grupo em decimal - Bytes 40-47: Modo de arquivo em octal - Bytes 48-57: Tamanho do arquivo em bytes em decimal - Bytes 58-59: A string "`\ "
Algumas coisas importantes a serem observadas sobre os cabeçalhos dos membros: - O nome do arquivo é limitado a 16 caracteres. Para nomes mais longos, um membro de nome estendido especial do System V pode ser usado. - O carimbo de data/hora, IDs de proprietário/grupo e modo de arquivo estão em decimal ou octal ASCII. Eles devem ser terminados em nulo se forem menores que a largura do campo. - O tamanho do arquivo não inclui o tamanho do próprio cabeçalho. - Cada campo do cabeçalho é terminado por um espaço ou byte nulo se for menor que sua largura fixa. Não há preenchimento de alinhamento entre os campos.
O conteúdo de cada membro de arquivo segue imediatamente seu cabeçalho de 60 bytes sem preenchimento adicional. Os dados do arquivo são armazenados exatamente como apareciam no arquivo original, sem codificação ou compactação.
Membros de arquivo especiais podem aparecer em arquivos ar para fornecer metadados adicionais: - "// ": O membro da tabela de símbolos contém uma tabela de pesquisa de nomes de símbolos usados para vincular arquivos de objeto. Ele tem o nome especial "// " (barra dupla espaço). - "/ ": A tabela de nomes estendidos é usada para nomes de arquivos com mais de 16 bytes. É nomeado com uma barra seguida por espaços suficientes para preencher até 16 bytes. Os nomes estendidos são armazenados como uma lista de strings terminadas em nulo neste membro.
Para analisar um arquivo ar, um programa primeiro leria o cabeçalho global de 8 bytes e verificaria a string mágica do arquivo. Em seguida, ele examinaria os dados do arquivo, lendo o cabeçalho de 60 bytes para cada membro. O campo de tamanho do arquivo informa ao programa quantos bytes ler para o conteúdo desse membro antes de avançar para o próximo cabeçalho.
Ao criar um arquivo ar, um programa grava o cabeçalho global, depois o cabeçalho e o conteúdo de cada membro do arquivo a ser incluído. Se nomes estendidos forem usados, o membro da tabela de nomes estendidos deve ser adicionado. A tabela de símbolos, se incluída, geralmente é adicionada como o primeiro membro após o cabeçalho global.
O formato ar é bastante simples, mas tem algumas limitações. Ele não oferece suporte a compactação, criptografia ou outros recursos avançados encontrados em formatos mais modernos como tar ou ZIP. O limite de nome de 16 caracteres é restritivo e o esquema de nome estendido é um tanto estranho. No entanto, o ar continua amplamente utilizado por sua simplicidade, compatibilidade e adequação para empacotar arquivos relacionados como módulos de código de objeto em arquivos de biblioteca.
Apesar de sua idade, o formato ar tem visto uso contínuo e algumas melhorias ao longo dos anos: - As variantes do BSD estenderam o ar com suporte para nomes mais longos sem a tabela de nomes estendidos e tamanhos de arquivo maiores. - O programa GNU ar se tornou a implementação padrão de fato e suporta várias extensões, mantendo a compatibilidade. - O formato ar é um formato de saída obrigatório para arquivos de objeto usados por muitos compiladores e vinculadores.
Em resumo, o formato de arquivo ar SVR4 é uma especificação venerável, mas ainda amplamente usada para agrupar coleções de arquivos em um único arquivo maior. Sua simplicidade e compatibilidade contribuíram para sua longevidade. Embora formatos mais avançados sejam frequentemente preferidos para arquivamento e compactação geral, o ar continua sendo uma parte importante da caixa de ferramentas em sistemas semelhantes ao Unix, especialmente para desenvolvimento de software.
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.