Convertir BZ2 a ZIP

Windows sabe abrir un ZIP desde hace más de veinte años y no sabe abrir nada más sin ayuda. Un .bz2 llega de otro mundo: repositorios de código, servidores de una universidad, copias de seguridad de un hosting Linux, conjuntos de datos publicados por un organismo público. Quien lo envía trabaja en un sistema donde bunzip2 lleva instalado desde siempre y no se plantea la pregunta.

Convertirlo a ZIP no es una preferencia estética: es la diferencia entre un archivo que el destinatario abre y uno que le obliga a instalar un programa. Si el reparto va a personas que no eliges, el ZIP es el formato que no genera una llamada de teléfono.

Ésta es la asimetría que explica todo lo demás. bzip2 comprime una sola secuencia de bytes y no tiene ningún concepto de nombre, de carpeta, ni de segundo archivo. Un ZIP sí: es un directorio con entradas, cada una con su ruta. Los dos formatos no describen la misma cosa, y por eso la conversión no es un simple recomprimir.

De ahí viene la costumbre de escribir .tar.bz2. El tar es quien guarda los nombres y la estructura de carpetas; bzip2 solo aprieta el resultado. Son dos capas, no un formato con dos extensiones, y saberlo evita la confusión más frecuente al descomprimir a mano.

La conversión descomprime la capa bzip2 y, si lo que aparece es un único archivo, intenta abrirlo como tar. Si lo es, se desenvuelve también y el ZIP acaba conteniendo los archivos reales con sus carpetas. Si no lo es, se deja como está: un .bz2 de un solo archivo corriente es igual de legítimo.

Ese paso extra se fuerza por tipo y no por el nombre, y esa decisión tiene una historia. Un flujo gzip guarda el nombre original y por eso el .tar interior aparecía con su extensión y se reconocía; bzip2 y xz no guardan ninguno, así que la comprobación por nombre fallaba y el resultado era un ZIP con un único archivo opaco en vez de los tres que habían entrado. Una conversión que devuelve algo equivocado sin fallar es el peor tipo de error.

Como bzip2 no guarda ningún nombre, cuando el .bz2 contiene un archivo suelto no hay manera de saber cómo se llamaba. El archivo que se sube se guarda en el servidor con el nombre input.bz2 —tu nombre original no toca el disco en ningún momento—, así que lo que se extrae de él se llama input, sin extensión, y con ese nombre entra en el ZIP.

No es un fallo, es la consecuencia de que la información no exista. Renómbralo tú después de descargar; si sabes qué era, tardas cinco segundos, y si no lo sabes, la extensión que le pusieras sería una suposición tan buena como la nuestra.

El contenido no se toca. Se descomprime y se vuelve a comprimir el contenedor, y lo que sale de un ZIP es idéntico bit a bit a lo que entró en el bz2. Un ejecutable, una base de datos, un vídeo o un PDF firmado siguen siendo exactamente el mismo archivo, con el mismo hash.

Eso es lo que distingue este par de casi todo lo demás en este sitio. Convertir una imagen o un vídeo implica decidir qué se descarta; repacar un archivo comprimido no implica ninguna decisión sobre el contenido, solo sobre el envoltorio.

bzip2 no tiene ningún mecanismo de contraseña: comprime un flujo de bytes y nada más, así que no existe la variante «.bz2 cifrado» que sí existe en ZIP o en 7z. Lo que sí puede perderse es lo que el tar interior llevaba sobre los archivos en lugar de dentro de ellos —permisos de Unix, propietario, fecha original—, porque el tar los guarda y el ZIP no los expresa exactamente igual.

En la práctica eso rara vez se nota: para leer el contenido, la fecha y los permisos casi nunca importan. Sí importa si el archivo se va a reextraer para restaurar un sistema tal cual estaba, porque ahí el ZIP resultante puede devolver los archivos con el propietario y los permisos del proceso que los extrajo en vez de los originales.

Los archivos comprimidos son uno de los ochenta y nueve pares de este sitio que se convierten en un servidor. Ni 7-Zip ni bzip2 existen como módulo de navegador con licencia utilizable, así que el archivo viaja a api.quinvert.com, se descomprime en un directorio temporal creado para ese trabajo y ese directorio se borra en un bloque que también se ejecuta si algo falla por el camino.

El contenedor no tiene salida a internet y el resultado se devuelve con Cache-Control: no-store. Lo que no vamos a afirmar en absoluto es que no quede rastro de nada en ninguna parte: los mensajes de error de las herramientas de compresión pueden llegar al registro del contenedor, y si un nombre de archivo interno aparece ahí es una cuestión abierta y no algo que podamos jurar. Si el contenido es sensible, descomprímelo en tu propia máquina.

El límite de subida son 25 MB por archivo, que en un .bz2 da para bastante: bzip2 comprime texto con una eficacia que sorprende, y veinticinco megabytes de registros o de código fuente son varios cientos sin comprimir.

Por eso hay un segundo tope que casi nadie ve. Antes de extraer nada se lee lo que el archivo declara que ocupará descomprimido, y si pasa de 2 GiB se rechaza. Un archivo de un megabyte puede declarar —y entregar— terabytes, y esa comprobación es lo que impide que una descompresión maliciosa llene el disco. No es infalible por sí sola: la sostienen el directorio temporal acotado, el proceso que se mata a los sesenta segundos y un contenedor que se tira y se reconstruye.

El tiempo máximo de un proceso es de sesenta segundos. Un archivo comprimido no se convierte en un solo proceso: se listan los contenidos, se extrae, a veces se desenvuelve un tar interior y se vuelve a empaquetar, y cada uno de esos pasos tiene su propio reloj.

Así que una petición puede tardar legítimamente más de un minuto sin que nada esté fallando. Lo que se corta a los sesenta segundos es cualquier paso individual que se atasque, y eso aparece como un error 504 y no como una descarga a medias.

El ZIP que descargas de esta conversión lo escribe 7-Zip en el servidor a partir de lo que había dentro del bz2, con sus carpetas y su estructura. Es el resultado de la conversión y su contenido es cosa del archivo de partida.

Hay otro ZIP en el sitio que no tiene nada que ver: el que envuelve una descarga por lotes cuando conviertes varios archivos a la vez. Ése lo escribimos nosotros dentro del navegador, es plano —no lleva carpetas—, numera los nombres repetidos en lugar de sobrescribirlos, y marca los nombres como UTF-8, sin lo cual una eñe llega convertida en galimatías. Si sueltas veinte .bz2 de golpe, recibirás ese ZIP nuestro con veinte ZIP de 7-Zip dentro.

Este par es una casilla de una tabla que está completa: ZIP, 7z, TAR, GZ, BZ2 y XZ se convierten entre sí en todas las direcciones, treinta pares en total. A eso se suma RAR, que se lee y nunca se escribe: se puede sacar un ZIP de un RAR y no se puede producir un RAR desde ningún origen.

La asimetría del RAR no es una carencia sino una licencia. El código que descomprime RAR se puede usar libremente y el que comprime no, así que ofrecer el destino significaría o incumplir la licencia o mentir sobre el resultado. Y como Debian compila 7-Zip sin el códec de RAR, la lectura la hace un programa distinto instalado al lado.

Si el archivo va a un servidor, a un sistema de compilación o a alguien que trabaja en Linux, convertirlo es dar un paso atrás. bzip2 comprime mejor que el deflate de un ZIP en texto, y todo el instrumental de ese lado lo lee sin pensar. Un .tar.bz2 que se pasa a ZIP normalmente crece.

La conversión gana cuando el destinatario es una persona con Windows, un formulario que solo acepta .zip, o un correo corporativo que filtra extensiones que no reconoce. Es una decisión sobre quién abre el archivo, no sobre cuál de los dos formatos es mejor.