O formato de arquivo .whl, que significa "Wheel", é um formato de arquivo ZIP projetado para distribuir e instalar pacotes Python. Ele foi introduzido no PEP 427 como um substituto para o formato .egg mais antigo. O formato .whl fornece uma maneira mais eficiente, rápida e independente de plataforma de distribuir pacotes Python em comparação com distribuições de origem.
Um arquivo .whl é essencialmente um arquivo ZIP que segue uma estrutura de diretório e convenção de nomenclatura específicas. O arquivo contém o código-fonte do pacote Python, bytecode compilado e arquivos de metadados necessários para a instalação. O formato .whl permite uma instalação mais rápida porque elimina a necessidade de executar setup.py e compilar o pacote durante a instalação.
A convenção de nomenclatura para arquivos .whl segue um padrão específico: {distribution}-{version}(-{build tag})?-{python tag}-{abi tag}-{platform tag}.whl. Vamos analisar cada componente: - {distribution}: O nome do pacote Python. - {version}: O número da versão do pacote. - {build tag} (opcional): Uma tag indicando uma compilação específica do pacote. - {python tag}: Indica a implementação e versão do Python, como cp38 para CPython 3.8. - {abi tag}: Especifica a Interface Binária do Aplicativo (ABI), como cp38m para CPython 3.8 com Unicode UCS-4. - {platform tag}: Especifica a plataforma de destino, como win_amd64 para Windows de 64 bits. Por exemplo, um arquivo .whl chamado mypackage-1.0.0-cp38-cp38-win_amd64.whl representa a versão 1.0.0 de "mypackage" compilada para CPython 3.8 no Windows de 64 bits.
A estrutura de diretório dentro de um arquivo .whl segue um layout específico. No nível superior, há um diretório "{distribution}-{version}.dist-info" que contém arquivos de metadados. O código e os recursos reais do pacote são armazenados em um diretório separado chamado "{distribution}-{version}.data".
Dentro do diretório ".dist-info", você normalmente encontrará os seguintes arquivos: - METADATA: Contém metadados do pacote, como nome, versão, autor e dependências. - WHEEL: Especifica a versão da especificação Wheel e as tags de compatibilidade do pacote. - RECORD: Uma lista de todos os arquivos incluídos no arquivo .whl junto com seus hashes para verificação de integridade. - entry_points.txt (opcional): Define pontos de entrada para o pacote, como scripts de console ou plugins. - LICENSE.txt (opcional): Contém as informações de licença do pacote. O diretório ".data" contém o código e os recursos reais do pacote, organizados de acordo com a estrutura interna do pacote.
Para criar um arquivo .whl, você normalmente usa uma ferramenta como setuptools ou pip. Essas ferramentas geram automaticamente os arquivos de metadados necessários e empacotam o código no formato .whl com base no arquivo setup.py do pacote ou na configuração pyproject.toml. Por exemplo, executar `python setup.py bdist_wheel` ou `pip wheel .` no diretório do pacote gerará um arquivo .whl no diretório "dist".
Ao instalar um pacote de um arquivo .whl, ferramentas como o pip lidam com o processo de instalação. Eles extraem o conteúdo do arquivo .whl, verificam a integridade dos arquivos usando as informações no arquivo RECORD e instalam o pacote no local apropriado no ambiente Python. Os arquivos de metadados no diretório ".dist-info" são usados para rastrear o pacote instalado e suas dependências.
Uma das principais vantagens do formato .whl é sua capacidade de fornecer pacotes pré-construídos e específicos da plataforma. Isso significa que os usuários podem instalar pacotes sem precisar ter um ambiente de compilação compatível ou compilar o pacote a partir da origem. Os arquivos .whl podem ser construídos e distribuídos para diferentes plataformas e versões do Python, facilitando a distribuição de pacotes para uma ampla gama de usuários.
Outro benefício do formato .whl é sua velocidade de instalação mais rápida em comparação com as distribuições de origem. Como os arquivos .whl contêm bytecode pré-construído e não requerem a execução de setup.py durante a instalação, o processo de instalação é significativamente mais rápido. Isso é particularmente perceptível para pacotes com processos de construção ou dependências complexos.
O formato .whl também suporta vários recursos e extensões. Por exemplo, ele permite a inclusão de extensões compiladas (por exemplo, extensões C) dentro do arquivo, tornando conveniente distribuir pacotes com código nativo. Ele também suporta o conceito de "referências diretas de URL" (PEP 610), que permite especificar URLs para dependências de pacote, permitindo mecanismos de distribuição mais flexíveis.
Concluindo, o formato de arquivo .whl é uma forma padronizada e eficiente de distribuir pacotes Python. Ele fornece um processo de instalação independente de plataforma e mais rápido em comparação com as distribuições de origem. Seguindo uma estrutura de diretório e convenção de nomenclatura específicas, os arquivos .whl encapsulam o código do pacote, metadados e dependências em um único arquivo. A ampla adoção do formato .whl simplificou muito a distribuição e instalação de pacotes Python, tornando mais fácil para os desenvolvedores compartilhar suas bibliotecas e para os usuários instalá-las perfeitamente.
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.