RAR in TAR umwandeln

RAR ist in deutschen Unternehmen ungewöhnlich fest verankert. WinRAR ist seit den frühen Zweitausendern auf einem großen Teil der Windows-Rechner im deutschsprachigen Raum installiert, und viele Firmen liefern Anhänge, Log-Bündel oder Auftragsdokumentation noch immer standardmäßig als .rar, ohne dass jemand bewusst dafür entschieden hätte.

Das Problem entsteht, sobald diese Datei auf einem Linux-Server, in einer CI-Pipeline oder in einem Importskript ankommt, das TAR-Header erwartet und mit RAR nichts anfangen kann. Statt auf jedem Build-Image einen Entpacker nachzurüsten und eine Lizenzfrage dazu zu klären, ist es einfacher, einmal in die Form umzuwandeln, die der Rest der Kette ohnehin schon versteht. Gerade in regulierten Branchen — Behörden, Versicherungen, das produzierende Gewerbe — ist WinRAR häufig sogar die offiziell freigegebene Software auf dem Windows-Arbeitsplatz, während auf der Serverseite niemand eine entsprechende Freigabe für einen RAR-Entpacker beantragen möchte.

RAR gehört der win.rar GmbH und stammt aus dem Jahr 1993; in der Registry ist es als lesbar und nicht schreibbar hinterlegt — eine Lizenzfrage, keine technische. Der UnRAR-Quellcode ist unter Bedingungen veröffentlicht, die das Entpacken erlauben und ausdrücklich verbieten, ihn zum Bau eines RAR-erzeugenden Programms zu verwenden.

Die praktische Folge: Diese Umwandlung lässt sich hier nicht umkehren. Aus dem Inhalt lässt sich mit gzip, bzip2 oder xz komprimieren, oder als ZIP oder 7Z neu verpacken — keiner dieser Wege führt zurück zu RAR. Muss ein RAR an den ursprünglichen Absender zurückgehen, braucht es WinRAR auf einem eigenen Rechner; diese Lücke wird kein Werkzeug auf dieser Seite je füllen. Für eine reine Linux-Pipeline ist das ohnehin selten ein Problem — dort wird selten ein RAR erwartet, sondern höchstens einmal empfangen.

Jedes andere Archiv auf dieser Seite läuft über 7-Zip, RAR ist die Ausnahme. Debian baut 7-Zip ohne den RAR-Codec, deshalb übernimmt ein separates Programm die Arbeit: unrar-free, GPL-lizenziert und Teil von Debians Hauptarchiv, aufgerufen als eigener Prozess.

Der erwartbare Weg wäre RARLABs eigenes unrar aus Debians Non-free-Bereich gewesen — der stellte sich als unnötig heraus, nachdem der freie Entpacker gegen ein echtes RAR5-Archiv geprüft wurde statt anzunehmen, er könne nur RAR4. Das lohnt sich festzuhalten, weil es genau die Art Detail ist, die jemand beim Aufräumen versehentlich wieder auf das nicht-freie Paket zurückändert.

RAR ist ein solides Format — es reiht die Mitglieder vor der Kompression zu einem durchgehenden Strom aneinander und findet Wiederholungen über Dateigrenzen hinweg. Genau deshalb ist ein RAR aus vierzig ähnlichen Dokumenten so klein. TAR macht nichts davon: 512-Byte-Header, Datei, Auffüllung bis zur nächsten 512-Byte-Grenze, nächster Header.

Der Größenunterschied ist deshalb keine Prozentzahl, sondern eine Kategorie: Ein 20-MB-RAR aus textlastigem Material kann als Tarball leicht ein Vielfaches davon werden, und dazu kommt noch TARs eigene Auffüllung — eine Ein-Byte-Datei belegt einen vollen 1.024-Byte-Block aus Header und Datenblock. Bei vielen kleinen Dateien fällt dieser Aufschlag deutlich auf. Diese Zahl lohnt sich zu kennen, bevor der Tarball irgendwohin transportiert werden muss.

Ein TAR-Header ist für sein Alter ungewöhnlich ausdrucksstark: Name, Pfad, Größe, Änderungszeitpunkt, Besitzer, Gruppe und Rechtebits, alles in festen Feldern — genau, was eine Unix-Pipeline erwartet. Was tatsächlich ankommt, hängt davon ab, was das RAR-Archiv enthielt.

Ein unter Windows mit WinRAR gepacktes Archiv hat möglicherweise nie einen Unix-Modus gespeichert, dann bekommt der Tarball, was die Extraktion liefert, statt etwas Sinnvolles. Die Dateien kommen byte-identisch heraus; was die alte Hülle über sie und nicht in ihnen speicherte, ist der Teil, der gefährdet ist. Muss ein Skript ausführbar ankommen, mit tar tvf prüfen statt annehmen.

RAR kennt Recovery-Records — die Redundanz, die WinRAR hinzufügen kann, damit sich ein beschädigtes Archiv selbst repariert — und Verschlüsselung pro Mitglied. Beides gibt es in TAR nicht, und beides fällt bei der Umwandlung ersatzlos weg. Auch im Archiv gespeicherte Kommentare gehen denselben Weg.

Der Verlust der Prüfsumme pro Mitglied ist derjenige, den man sich merken sollte, weil er beeinflusst, was sich später überhaupt noch feststellen lässt: RAR weiß, wenn ein Mitglied beschädigt ist, ein reines TAR meist nicht. Ist der Tarball für die Aufbewahrung gedacht statt für die sofortige Verarbeitung, mit gzip, bzip2 oder xz komprimieren — alle drei fügen eine eigene Prüfsumme hinzu — oder selbst Hashwerte der Mitglieder notieren.

Ein reines TAR ist selten der Endzustand und ein gutes Zwischenglied, weil es zwei Entscheidungen trennt, die RAR zusammenfasst. Das Bündeln ist erledigt, die Kompression ist frei wählbar: gzip, wenn das Ergebnis wiederholt maschinell abgerufen wird und streamen soll. xz, wenn es in ein Archiv geht und fast nie wieder gelesen wird. bzip2, wenn eine nachgelagerte Stelle das ausdrücklich erwartet.

Diese Trennung ist der ganze Unix-Gedanke hinter tar plus Kompressor, und sie hilft besonders, wenn das Archiv weitergereicht statt selbst geöffnet wird. Steht die gewünschte Kompression schon fest, wandelt diese Seite ein RAR auch direkt in einen gzip- oder xz-komprimierten Tarball in einem Schritt um — das reine TAR ist für den Fall gedacht, in dem das nächste Werkzeug es unkomprimiert erwartet.

Auf unserem Server, nicht im eigenen Browser. Die meisten Werkzeuge dieser Seite konvertieren auf dem eigenen Gerät und sagen das auch so; Archive sind eine der Ausnahmen, RAR die deutlichste von allen, weil das Entpacken einen eigenen Entpacker braucht, für den es im Browser kein Gegenstück gibt. Die Datei geht über eine verschlüsselte Verbindung an einen Container ohne eigenen Internetzugang.

Jeder Auftrag bekommt ein eigenes, speicherbasiertes Arbeitsverzeichnis, das nach Abschluss gelöscht wird, egal ob erfolgreich oder nicht. Entpacken und Wiederverpacken laufen als zwei getrennte Prozesse nacheinander, und jeder einzelne davon wird abgebrochen, wenn er länger als sechzig Sekunden braucht — der ganze Auftrag darf also, anders als bei einer einzelnen Bilddatei, in der Summe durchaus länger dauern, solange kein einzelner Schritt hängen bleibt. Vor dem Entpacken wird geprüft, wie groß das Archiv laut eigener Angabe entpackt wird, und eine angegebene Gesamtgröße über 2 GB wird abgelehnt. Die kostenlose Nutzung erlaubt 25 MB je hochgeladener Datei, was bei einem soliden RAR eine erhebliche Menge Inhalt bedeuten kann.

Diese Seite ist auf den Fall zugeschnitten, in dem am Ende eine Unix-Pipeline steht, die TAR bereits erwartet. Soll der Inhalt einfach nur an eine Windows-Kollegin weitergegeben werden, ist ZIP die passendere Wahl — es öffnet dort ohne Zusatzsoftware und ohne diesen ganzen Umweg über die Kommandozeile.

Und wenn die Archivgröße das eigentliche Anliegen ist statt der Header-Struktur, führt der direktere Weg über gzip- oder xz-komprimiertes TAR — beide stehen auf dieser Seite als eigene Umwandlungen zur Verfügung und sparen den separaten Kompressionsschritt danach. Das reine, unkomprimierte TAR bleibt für genau den Fall richtig, in dem das nachgelagerte Werkzeug unkomprimierten Inhalt erwartet.

Der Auftrag scheitert mit einer Meldung statt zu hängen oder eine beschädigte Datei zurückzugeben. Der Entpacker wird so aufgerufen, dass ein verschlüsseltes Archiv die Ablehnung meldet, statt auf ein Passwort zu warten, für das es hier kein Eingabefeld gibt. Erst mit WinRAR oder 7-Zip auf dem eigenen Rechner entsperren, dann das reine Archiv hochladen.

Ein mehrteiliges Archiv aus part1.rar, part2.rar und so weiter geht hier ebenfalls nicht — ein mehrteiliges Set muss aus allen Teilen auf einmal zusammengesetzt werden, und dieser Konverter nimmt eine Datei pro Auftrag entgegen. Die Teile zuerst lokal mit WinRAR oder 7-Zip zusammenfügen, dann das entstandene einzelne Archiv umwandeln.

tar tvf auf das Ergebnis anwenden und mit dem vergleichen, was WinRAR oder 7-Zip für das Archiv anzeigt: gleiche Anzahl Mitglieder, gleiche Pfade, gleiche Größen. Das kostet Sekunden und fängt den Fehler ab, der hier tatsächlich vorkommt — nicht beschädigte Daten, das ist ein verlustfreies Umpacken, sondern eine verschobene oberste Ebene. Ein Archiv, das von innerhalb eines Ordners gepackt wurde, und eines, das vom übergeordneten Ordner aus gepackt wurde, unterscheiden sich um eine führende Ebene in jedem Pfad; hier wird von innerhalb des entpackten Verzeichnisses geschrieben, die Dateien liegen also an der Wurzel.

Danach vor dem ersten Ausführen die Rechte in der Auflistung prüfen. In diesem Moment ist ein falsches Rechtebit noch günstig zu korrigieren, danach nicht mehr: entpacken, chmod, neu tarren, und das Archiv passt für jede Maschine, die es danach erhält.