XZ in ZIP umwandeln

Wer in einer deutschen Behörde oder einem größeren Unternehmen an einem zentral verwalteten Windows-Arbeitsplatz sitzt, kennt die Einschränkung: keine Adminrechte, keine eigene Softwareinstallation, jede neue Anwendung muss über die IT-Abteilung beantragt werden. Landet dann ein quelloffenes Werkzeug für ein Digitalisierungsprojekt als .tar.xz im Downloadordner — üblich bei Open-Source-Software, die überwiegend für Linux-Entwickler veröffentlicht wird —, hilft der übliche Rat, es einfach zu entpacken, nicht weiter.

Der Windows-Explorer kennt weder die xz-Kompression noch die TAR-Struktur darunter, und ein IT-Ticket für ein einziges Archiv zu eröffnen dauert oft länger, als die eigentliche Aufgabe braucht. Diese Umwandlung löst genau diesen Fall: Sie läuft im Browser, verlangt keine Installation und liefert eine ZIP-Datei, die jeder Windows-Rechner ohne Zusatzsoftware öffnet.

XZ komprimiert einen einzigen Datenstrom und speichert dabei keinerlei Dateinamen — laut Registrierung fehlt ihm jede Verzeichnisstruktur, was zu den bekannten Eigenschaften des Formats gehört statt zu seinen Mängeln. Die Namen stecken im TAR darunter: ein Kopfblock pro Datei, ihr Inhalt in Reihe, ohne eigene Kompression und ohne Inhaltsverzeichnis.

Wer nur die xz-Schicht entfernt, hält am Ende eine .tar-Datei in der Hand, die unter Windows genauso wenig zu öffnen ist wie die Ausgangsdatei — und genau das ist der Punkt, an dem viele denken, etwas sei schiefgegangen. Diese Umwandlung löst beide Schichten in einem Durchgang und liefert direkt eine ZIP-Datei mit der eigentlichen Ordnerstruktur darin.

LZMA2 kodiert eine Wiederholung als Verweis auf eine Stelle bis zu 64 Megabyte zuvor im Strom, ZIP arbeitet mit einem Fenster von nur 32 Kilobyte — ein Unterschied um mehrere Größenordnungen. Bei Quelltext macht sich das besonders bemerkbar, weil sich dieselbe Lizenzkopfzeile, dieselben Importzeilen und derselbe generierte Code über Hunderte Dateien wiederholen, und genau solche Wiederholungen findet nur ein Verfahren mit großem Wörterbuch zuverlässig.

Für ein IT-Ticket bedeutet das: Die ZIP-Datei, die am Ende herauskommt, kann deutlich größer sein als das Vielfache dessen, was heruntergeladen wurde. Beide Zahlen sind ehrliche Messungen desselben Inhalts unter zwei sehr unterschiedlich leistungsfähigen Verfahren, und keine davon ist falsch — nur eben nicht vergleichbar.

Bevor irgendetwas entpackt wird, prüft der Umwandler, wie groß das Archiv laut eigener Angabe werden soll, und lehnt einen Wert über zwei Gigabyte mit einer klaren Meldung ab. Bei den meisten Archivpaaren auf dieser Seite greift dieser Schutz praktisch nie und dient vor allem gegen absichtlich bösartige Dateien.

Bei diesem Paar ist es anders. Ein starker Kompressor auf einen großen Verzeichnisbaum kann deutlich über zwei Gigabyte Inhalt in eine bequem hochladbare Datei packen, sodass ein völlig gewöhnliches, harmloses Quellarchiv abgewiesen werden kann. Das ist eine bewusste Grenze und kein Fehler: Der Umwandler arbeitet mit einem begrenzten, speicherbasierten Arbeitsverzeichnis und einem Zeitbudget von sechzig Sekunden, und ein Archiv dieser Größe gehört eher zu einem lokalen Werkzeug als zu einem Webdienst.

Erheblich, im Vergleich. ZIP komprimiert jeden Eintrag für sich mit einem 32-Kilobyte-Fenster und kann deshalb nicht über Dateigrenzen hinwegsehen, geschweige denn 64 Megabyte zurückblicken. Alles, was das lange Wörterbuch gefunden hat, wird noch einmal bezahlt.

Für jemanden, der schnell hineinschauen muss, ist das ein fairer Tausch — die ZIP-Datei öffnet ohne Zusatzsoftware, und die Größe stört nur, solange sie im Downloadordner liegt. Soll das Archiv dagegen aufbewahrt oder weitergegeben werden, lohnt sich der andere Weg: die .tar.xz genau so behalten, wie sie veröffentlicht wurde, und sie mit einem lokalen Werkzeug öffnen, sobald die IT-Abteilung es einmal freigegeben hat.

Eine LZMA2-Datei zu entpacken bedeutet, das Wörterbuch im Speicher zu halten, mit dem sie geschrieben wurde — der Bedarf richtet sich also nach dieser Einstellung, nicht nach der Dateigröße. Eine kleine xz-Datei mit großem Wörterbuch braucht beim Entpacken mehr Speicher, als ihre Größe vermuten lässt.

Auf einem gewöhnlichen Arbeitsplatzrechner ist das unauffällig. Relevant wird es bei sehr eingeschränkter Hardware — einem Router, einem kleinen eingebetteten System, einem speicherbegrenzten Build-Agenten —, und genau deshalb veröffentlichen manche Projekte neben der .tar.xz weiterhin eine .tar.gz mit dem bescheideneren 32-Kilobyte-Fenster von gzip.

Nicht jede xz-Datei ist ein Tarball. Ein einzelnes komprimiertes Disk-Image, ein Datenbank-Export oder ein großes Protokoll wird ebenso oft einzeln mit xz komprimiert, ganz ohne TAR darunter.

Der Umwandler liest, was aus der xz-Schicht kommt, und versucht, es als TAR zu lesen; schlägt das fehl, wird der Inhalt als die eine Datei behandelt, die er ist, und genau diese Datei landet als einziger Eintrag in der ZIP-Datei. Weil xz — anders als gzip — keinen ursprünglichen Dateinamen speichert, wird der Eintrag von der Umwandlung selbst benannt, und es lohnt sich, ihm vor der Weitergabe einen sinnvollen Namen zu geben.

Diese Umwandlung läuft auf unserem Server statt im Browser. Die Datei geht verschlüsselt hinüber, wird entpackt, beide Schichten werden aufgelöst, aus dem entpackten Verzeichnis entsteht die ZIP-Datei, und die hochgeladene Datei, das zwischenzeitliche TAR und das Ergebnis werden gelöscht, sobald der Auftrag endet.

Das Arbeitsverzeichnis hat keinen Zugang zum Internet und wird mit dem Container verworfen, der es benutzt hat. Die freie Nutzung erlaubt 25 Megabyte je hochgeladener Datei, jeder Auftrag wird nach sechzig Sekunden abgebrochen, und ein passwortgeschütztes Archiv scheitert mit einer Meldung statt auf eine Eingabe zu warten, für die es keinen Platz gibt.

Geht das Archiv weiter an eine Linux-Maschine, einen Build-Agenten oder ein Container-Image, ist die Umwandlung ein Rückschritt auf jeder Ebene: xz ist dort ohnehin vorhanden, die ZIP-Datei ist erheblich größer zu übertragen, und Rechte sowie Eigentümer, die das TAR mitführte, überstehen den Umweg über ZIP nicht vollständig.

Sinnvoll ist die Umwandlung, wenn eine Person an einem Windows-Arbeitsplatz ohne Adminrechte hineinschauen muss, ein Upload-Formular ausdrücklich ZIP verlangt, oder das Archiv an jemanden weitergeht, der niemals ein Archivierungsprogramm installieren wird. Wer regelmäßig mit .tar.xz-Dateien zu tun hat, sollte langfristig eine IT-Freigabe für 7-Zip anstreben — lokal, ohne Größenbegrenzung und ohne Upload.

Quellveröffentlichungen kommen meist mit einer Prüfsummendatei und häufig mit einer eigenen Signatur, und beide beschreiben die .tar.xz genau so, wie das Projekt sie veröffentlicht hat. Diese Prüfung gehört vor die Umwandlung, nicht danach — eine umgepackte ZIP-Datei stimmt mit keiner der beiden überein, weil die enthaltenen Dateien zwar identisch sind, das Archiv drumherum aber neu ist, geschrieben von einem anderen Werkzeug zu einem anderen Zeitpunkt.

Das ist kein Mangel der Umwandlung, sondern genau das, wofür Verifikation gedacht ist. Die richtige Reihenfolge lautet: die Signatur der heruntergeladenen Datei prüfen, sich vergewissern, dass sie tatsächlich vom Projekt stammt, und erst danach für eine bestimmte Aufgabe umpacken. Wer zuerst umwandelt und danach prüft, bekommt eine Abweichung, die alarmierend aussieht und nichts bedeutet.