NEWC — это формат архива файлов, разработанный для эффективного хранения и сжатия коллекций файлов и каталогов. Он был разработан Евгением Рошалем в 1993 году как улучшение существующих форматов архивов, таких как ZIP и ARJ. Формат нацелен на обеспечение лучших коэффициентов сжатия, более высоких скоростей распаковки и расширенных функций для восстановления данных и управления архивами.
В своей основе формат NEWC состоит из основного заголовка, за которым следует серия заголовков файлов и сжатых данных файлов. Основной заголовок содержит метаданные об архиве, такие как сигнатура NEWC, номер версии, общий размер и количество файлов. Каждый заголовок файла включает информацию, такую как имя файла, атрибуты, временная метка, контрольная сумма CRC32, сжатые и несжатые размеры.
NEWC использует твердую структуру архива, в которой файлы объединяются вместе и сжимаются как один непрерывный поток данных. Этот подход позволяет достичь лучших коэффициентов сжатия за счет использования избыточности в нескольких файлах. Однако это также означает, что извлечение одного файла требует распаковки всего архива до этого момента, что может быть медленнее, чем извлечение из нетвердых форматов, таких как ZIP.
Алгоритм сжатия, используемый в NEWC, основан на собственной реализации Евгения Рошаля, которая сочетает сжатие Lempel-Ziv-Storer-Szymanski (LZSS) со статистическим моделированием с использованием предсказания по частичному совпадению (PPM). LZSS — это алгоритм на основе словаря, который заменяет повторяющиеся последовательности ссылками на более ранние вхождения. PPM строит модель входных данных, чтобы делать вероятностные прогнозы о предстоящих символах, что позволяет использовать более эффективное кодирование энтропии.
Одной из ключевых особенностей NEWC является поддержка записей восстановления. Это специальные записи, перемежающиеся со сжатыми данными, которые хранят информацию о структуре и содержимом архива. В случае повреждения файла записи восстановления могут быть использованы для восстановления поврежденных частей архива и спасения неповрежденных файлов. Формат также включает избыточность для основного заголовка и заголовков файлов для повышения устойчивости к потере данных.
NEWC предоставляет несколько методов разделения архивов на несколько томов. Это полезно для хранения больших архивов на нескольких дисках или для передачи по сетям с ограничениями по размеру. Формат поддерживает создание томов определенного размера, а также использование списка файлов в качестве маркеров томов. Он также включает механизмы для проверки целостности и восстановления многотомных архивов.
С точки зрения управления архивами NEWC предлагает ряд функций. Он поддерживает добавление, удаление и обновление файлов в существующем архиве. Комментарии к файлам могут быть связаны с отдельными записями для хранения дополнительных метаданных. Формат также позволяет шифровать и защищать архивы паролем с использованием алгоритма AES в режиме CBC.
NEWC приобрел популярность благодаря высоким коэффициентам сжатия и высокой скорости распаковки. Он широко используется для распространения программного обеспечения, обновлений прошивки и резервного копирования данных. Формат был принят р азличными приложениями и утилитами, включая WinRAR, 7-Zip и PowerArchiver.
Хотя NEWC предлагает множество преимуществ, у него также есть некоторые ограничения. Твердая структура архива может сделать случайный доступ и частичное извлечение более медленными по сравнению с нетвердыми форматами. Опора на один алгоритм сжатия не всегда может обеспечить наилучшие результаты для всех типов данных. Кроме того, сложность формата и его проприетарный характер препятствовали его принятию в некоторых контекстах.
Несмотря на эти проблемы, NEWC остается важным и широко используемым форматом архива. Его эффективность, надежность и набор функций делают его ценным инструментом для сжатия и архивирования данных. Поскольку потребности в хранении и передаче данных продолжают расти, формат NEWC занимает выгодное положение, чтобы играть значительную роль в управлении и сохранении цифровой информации.
Сжатие файлов уменьшает избыточность, чтобы те же данные занимали меньше бит. Верхняя граница задаётся теорией информации: для без потерь пределом является энтропия источника (см. теорем у 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 гн ётся 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 пер еносимости.
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 по ддерживает 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.