Формат архива ar, сокращенно от Unix archive format, представляет собой формат файла, используемый для сбора нескольких файлов в один файл для более легкого хранения и передачи. Первоначально он был разработан для систем Unix, но теперь широко поддерживается на разных платформах. Формат ar проще и более ограничен по сравнению с более новыми форматами архивации и сжатия, но он по-прежнему используется для определенных приложений.
Файл архива ar состоит из глобального заголовка, за которым следует серия заголовков файлов и данных файлов. Глобальный заголовок представляет собой простую строку ASCII, которая идентифицирует файл как архив ar. Он состоит из символов "!<arch>\n", где "\n" представляет символ новой строки. Эта магическая строка позволяет утилитам легко распознавать файлы архива ar.
За глобальным заголовком следуют отдельные записи файлов. Каждая запись файла начинается с заголовка файла, который содержит метаданные о файле. Заголовок файла имеет фиксированный размер 60 байт и включает следующие поля: - Имя файла (16 байт): имя файла, дополненное пробелами, если оно короче 16 символов. Если имя длиннее, оно обрезается, а конечный символ "/" указывает, что имя продолжается в разделе данных файла. - Метка времени изменения (12 байт): метка времени последнего изменения файла в десятичном формате времени Unix, дополненная пробелами. - Идентификатор владельца (6 байт): числовой идентификатор пользователя владельца файла в десятичном формате, дополненный пробелами. - Идентификатор группы (6 байт): числовой идентификатор группы группы файла в десятичном формате, дополненный пробелами. - Режим файла (8 байт): биты разрешений и режима файла в восьмеричном формате, дополненные пробелами. - Размер файла (10 байт): размер данных файла в байтах в десятичном формате, дополненный пробелами. - Конец заголовка (2 байта): символы "`\n", которые отмечают конец заголовка.
После каждого заголовка файла данные файла хранятся в архиве. Размер данных соответствует размеру файла, указанному в заголовке. Если размер файла нечетный, добавляется дополнительный байт заполнения, чтобы обеспечить начало следующего заголовка файла на четной границе байтов. Этот байт заполнения не учитывается в поле размера файла заголовка.
Специальные записи файлов, называемые таблицами символов, также могут быть включены в архивы ar. Записи таблицы символов имеют имя файла, которое начинается с "/" или "\" с последующей строкой цифр. Эти записи содержат метаданные, используемые для связывания объектных файлов вместе. Формат данных таблицы символов варьируется в зависимости от системы и компилятора.
Архивы ar не включают встроенное сжатие. Файлы просто объединяются вместе в их исходном виде. Однако отдельные файлы в архиве ar могут быть сжаты с использованием других алгоритмов, таких как gzip, перед добавлением в архив.
Формат ar имеет некоторые ограничения по сравнению с более современными форматами архива: - Имена файлов ограничены 16 символами, что может быть ограничивающим фактором. - Поля числовых метаданных, такие как идентификатор пользователя, идентификатор группы и размер файла, имеют фиксированные размеры, ограничивающие их максимальные значения. - В формат не встроена контрольная сумма или проверка целостности. - Сжатие не предусмотрено, что приводит к увеличению размеров архива по сравнению с форматами, такими как tar с gzip.
Несмотря на эти ограничения, формат ar по-прежнему используется для некоторых конкретных приложений. Одним из распространенных вариантов использования являются файлы статических библиотек в Unix-подобных системах. Эти файлы библиотек с расширением ".a" представляют собой архивы ar, содержащие скомпилированные объектные файлы, которые могут быть связаны с исполняемыми файлами. Простота и широкая поддержка формата ar делают его подходящим для этой цели.
Подводя итог, формат архива ar представляет собой простой способ объединения нескольких файлов в один файл. Он состоит из глобального заголовка, за которым следует серия заголовков файлов и данных файлов. Хотя ему не хватает таких расширенных функций, как сжатие и поддержка длинных имен файлов, он все еще используется в определенных областях, таких как файлы статических библиотек в системах Unix, благодаря своей простоте и совместимости.
Сжатие файлов уменьшает избыточность, чтобы те же данные занимали меньше бит. Верхняя граница задаётся теорией информации: для без потерь пределом является энтропия источника (см. теорему кодирования источника Шеннона source coding theorem и его оригинальную статью 1948 года «A Mathematical Theory of Communication»). Для сжатия с потерями компромисс между битрейтом и качеством описывает теория rate–distortion.
Большинство компрессоров работают в два этапа. Сначала модель предсказывает или выявляет структуру данных. Затем кодер превращает эти предсказания в почти оптимальные шаблоны битов. Классическая семья моделей — Lempel–Ziv LZ77 (1977) и LZ78 (1978) находят повторяющиеся подстроки и излучают ссылки вместо сырых байтов. На стороне кодирования кодирование Хаффмана (см. статью 1952 года) назначает более короткие коды вероятным символам. Арифметическое кодирование и range coding ещё точнее приближаются к пределу энтропии, а современные Asymmetric Numeral Systems (ANS) дают схожие коэффициенты при табличных реализациях.
DEFLATE (используют gzip, zlib, ZIP) сочетает LZ77 и Хаффмана. Спецификации открыты: DEFLATE RFC 1951, оболочка zlib RFC 1950и формат gzip RFC 1952. Gzip ориентирован на потоковую передачу и явно не обеспечивает произвольный доступ. PNG закрепляет DEFLATE как единственный метод (окно до 32 КиБ) согласно спецификации «Compression method 0…» и W3C/ISO PNG 2nd Edition.
Zstandard (zstd): современный универсальный компрессор с высокими коэффициентами и очень быстрой декомпрессией. Формат описан в RFC 8878 (и HTML-зеркале) и в референс-спеке на GitHub. Как и gzip, базовый фрейм не предполагает произвольного доступа. Главное преимущество zstd — словари: маленькие образцы корпуса, резко улучшающие сжатие множества крошечных или похожих файлов (см.документацию словарей python-zstandard и пример Nigela Tao). Реализации принимают «unstructured» и «structured» словари (обсуждение).
Brotli: оптимизирован для веб-контента (WOFF2, HTTP). Совмещает статический словарь и DEFLATE-подобное ядро LZ+энтропия. Спецификация — RFC 7932, где указано окно 2WBITS−16 с WBITS в [10, 24] и то, что формат не предоставляет произвольный доступ. Brotli часто превосходит gzip на веб-тексте и быстро декодируется.
Контейнер ZIP: ZIP — файловый архив, поддерживающий разные методы (deflate, store, zstd и др.). Де-факто стандарт — APPNOTE PKWARE (см.портал APPNOTE, размещённую копиюи обзоры LC ZIP File Format (PKWARE) / ZIP 6.3.3).
LZ4 ориентирован на максимальную скорость при умеренных коэффициентах. См. страницу проекта и формат фреймов. Подходит для кэшей в памяти, телеметрии и горячих путей, где декомпрессия должна быть почти со скоростью RAM.
XZ / LZMA гнётся за плотностью (высоким коэффициентом), но компрессует медленнее. XZ — контейнер; основную работу делают LZMA/LZMA2 (моделирование наподобие LZ77 + range coding). См.формат .xz, спецификацию LZMA (Павлов)и заметки ядра Linux про XZ Embedded. XZ обычно сжимает лучше gzip и соперничает с современными кодеками высокой плотности, но кодирует дольше.
bzip2 использует преобразование Бэрроуза–Уилера (BWT), move-to-front, RLE и Хаффмана. Обычно даёт файлы меньше, чем gzip, но медленнее; см.официальный мануал и man-страницу (Linux).
Важен размер окна. Ссылки DEFLATE смотрят максимум на 32 КиБ назад (RFC 1951) и ограничение PNG 32 КиБ здесь. Brotli поддерживает окна от ~1 КиБ до 16 МиБ (RFC 7932). Zstd настраивает окно и глубину поиска уровнями (RFC 8878). Базовые потоки gzip/zstd/brotli спроектированы для последовательного чтения; сами форматы не гарантируют произвольный доступ, хотя контейнеры (индексы tar, блочное фреймирование, форматные индексы) могут его добавить.
Форматы выше — lossless: можно восстановить те же байты. Медиа-кодеки часто lossy: они отбрасывают незаметные детали ради меньших битрейтов. Для изображений классический JPEG (DCT, квантование, энтропийное кодирование) стандартизован в ITU-T T.81 / ISO/IEC 10918-1. В аудио MP3 (MPEG-1 Layer III) и AAC (MPEG-2/4) используют перцепционные модели и MDCT (см.ISO/IEC 11172-3, ISO/IEC 13818-7и обзор MDCT здесь). Lossy и lossless могут сосуществовать (PNG для UI, веб-кодеки для изображений/видео/аудио).
Теория Shannon 1948 · Rate–distortion · Кодирование Huffman 1952 · Арифметическое кодирование · Range coding · ANS. Форматы DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · XZ format. Стек BWT Burrows–Wheeler (1994) · руководство bzip2. Медиа JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Итог: подбирайте компрессор под свои данные и ограничения, измеряйте на реальных входах и не забывайте о выгоде словарей и умного фрейминга. С удачной парой получите меньшие файлы, быстрые передачи и отзывчивые приложения без ущерба корректности и переносимости.
Сжатие файлов - это процесс, который уменьшает размер файла или файлов, обычно для экономии места на диске или ускорения передачи по сети.
Сжатие файлов работает путем идентификации и удаления избыточности в данных. Оно использует алгоритмы для кодирования исходных данных в более маленьком пространстве.
Два основных типа сжатия файлов: без потерь и с потерями. Сжатие без потерь позволяет восстановить исходный файл целиком, в то время как сжатие с потерями обеспечивает более значительное уменьшение размера за счет небольшой потери в качестве данных.
Популярным примером инструмента для сжатия файлов является WinZip, который поддерживает несколько форматов сжатия, включая ZIP и RAR.
При сжатии без потерь качество остается неизменным. Однако при сжатии с потерями может быть заметное снижение качества, поскольку оно удаляет менее важные данные для более значительного уменьшения размера файла.
Да, сжатие файлов безопасно с точки зрения целостности данных, особенно при сжатии без потерь. Однако, как и любые файлы, сжатые файлы могут стать целью для вредоносного ПО или вирусов, поэтому всегда важно иметь надежное программное обеспечение безопасности.
Почти все типы файлов можно сжимать, включая текстовые файлы, изображения, аудио, видео и программные файлы. Однако уровень достижимого сжатия может значительно варьироваться в зависимости от типа файла.
ZIP-файл - это тип формата файла, который использует сжатие без потерь для уменьшения размера одного или нескольких файлов. Несколько файлов в ZIP-файле фактически объединяются в один файл, что также упрощает обмен данными.
Технически, да, хотя дополнительное уменьшение размера может быть минимальным или даже противопродуктивным. Сжатие уже сжатого файла иногда может увеличить его размер из-за метаданных, добавленных алгоритмом сжатия.
Чтобы распаковать файл, обычно вам нужен инструмент для распаковки или разархивации, такой как WinZip или 7-Zip. Эти инструменты могут извлечь исходные файлы из сжатого формата.