O formato SHAR (SHell ARchive) é um formato de arquivamento e compactação de arquivos comumente usado em sistemas operacionais Unix e semelhantes ao Unix. Ele foi desenvolvido como uma maneira simples de empacotar vários arquivos e diretórios em um único arquivo de arquivamento para facilitar o armazenamento e a transmissão. O formato SHAR permite a compactação opcional dos arquivos arquivados para reduzir o tamanho geral do arquivo resultante.
Um arquivo SHAR é essencialmente um script de shell que contém uma série de comandos para recriar a estrutura de diretório e os arquivos originais. Quando o arquivo SHAR é executado, o shell interpreta os comandos e extrai os arquivos para seus locais originais. Isso torna os arquivos SHAR fáceis de criar e extrair sem a necessidade de ferramentas de arquivamento especializadas, desde que um shell Unix esteja disponível.
A estrutura de um arquivo SHAR consiste em um cabeçalho, metadados do arquivo e o conteúdo real do arquivo. O cabeçalho normalmente inclui uma linha shebang (por exemplo, `#!/bin/sh`) para especificar o interpretador para o script de shell, seguido por quaisquer comandos de shell ou declarações de variáveis necessárias. O cabeçalho também pode incluir comentários ou instruções para extrair o arquivo.
Após o cabeçalho, o arquivo SHAR contém uma série de seções para cada arquivo ou diretório que está sendo arquivado. Cada seção começa com metadados sobre o arquivo, como seu nome, permissões, propriedade e carimbos de data/hora. Esses metadados são representados usando comandos de shell que definem os atributos apropriados quando o arquivo é extraído.
Após os metadados, o conteúdo real do arquivo é incluído no arquivo. O conteúdo do arquivo é normalmente codificado usando os esquemas de codificação `uuencode` ou `base64` para garantir que o conteúdo seja compatível com a natureza baseada em texto do script de shell. O conteúdo codificado é dividido em blocos menores e impresso como uma série de comandos `echo` ou `printf` no script.
Se o arquivo SHAR incluir diretórios, a estrutura do diretório será recriada usando uma combinação de comandos `mkdir` e configurações de metadados apropriadas. Os arquivos dentro de cada diretório são então adicionados ao arquivo da mesma maneira descrita acima.
Opcionalmente, o arquivo SHAR pode incluir compactação para reduzir o tamanho do arquivo resultante. Os métodos de compactação comuns usados com SHAR incluem `gzip`, `bzip2` e `compress`. A compactação é normalmente aplicada aos arquivos individuais antes de serem codificados e adicionados ao arquivo. Quando o arquivo SHAR é extraído, os arquivos compactados são automaticamente descompactados pelo script de shell.
Para criar um arquivo SHAR, você pode usar o comando `shar`, que está disponível na maioria dos sistemas Unix e semelhantes ao Unix. A sintaxe básica para criar um arquivo SHAR é: `shar [options] file1 file2 directory1 ... > archive.shar`. Os arquivos e diretórios especificados serão incluídos no arquivo resultante.
Extrair um arquivo SHAR é tão simples quanto executar o script de shell contido no arquivo. Isso pode ser feito tornando o arquivo SHAR executável usando o comando `chmod` e, em seguida, executando-o como um script: `chmod +x archive.shar && ./archive.shar`. O shell interpretará os comandos no script e recriará os arquivos e diretórios originais.
Uma vantagem do formato SHAR é sua simplicidade e portabilidade. Os arquivos SHAR podem ser criados e extraídos em qualquer sistema com um shell Unix, sem a necessidade de software adicional. No entanto, o formato SHAR tem algumas limitações em comparação com formatos de arquivamento mais avançados como `tar` ou `zip`. Os arquivos SHAR não possuem recursos como acesso aleatório a arquivos individuais, verificações de integridade ou criptografia interna.
Apesar de suas limitações, o formato SHAR permanece útil em certos cenários, particularmente ao lidar com sistemas baseados em Unix ou quando a simplicidade é desejada. Ele fornece uma maneira direta de empacotar e distribuir arquivos como um único arquivo autoextraível.
Em resumo, o formato de arquivo SHAR é uma maneira simples e portátil de empacotar vários arquivos e diretórios em um único arquivo de script de shell. Ele permite compactação opcional e pode ser facilmente criado e extraído usando comandos de shell Unix padrão. Embora não possua recursos avançados em comparação com outros formatos de arquivamento, o SHAR continua sendo uma ferramenta útil no ecossistema Unix para necessidades básicas de arquivamento e distribuição.
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.