Convertir XZ a ZIP

Esta es la parte que confunde y conviene resolverla antes que ninguna otra. Un `.tar.xz` lleva dos envoltorios puestos uno encima del otro. El de dentro es un TAR: una tira de ficheros con una cabecera delante de cada uno que guarda el nombre, la ruta y los permisos, sin comprimir nada en absoluto. El de fuera es xz, que comprime muy bien una única corriente de bytes y no sabe ni le importa que esa corriente describa ficheros.

De ahí que el registro clasifique xz como formato de corriente con un solo miembro y le anote entre sus problemas conocidos la ausencia de estructura de directorios. Un `.xz` no tiene ningún campo donde poner un nombre. Si usas una herramienta que solo quita la capa exterior te quedas con un `.tar` que en Windows sigue sin abrirse, y ahí es donde la mayoría de la gente concluye que algo ha salido mal. Aquí se quitan las dos.

Porque el archivo se descarga muchas veces y se compila una. Los proyectos de software libre, las distribuciones, los núcleos y las cadenas de herramientas publican en `.tar.xz` desde hace años, y las réplicas académicas —las de RedIRIS, las de la UNAM, las de tantas universidades que sirven de espejo— replican exactamente eso. Cada megabyte que se ahorra se ahorra tantas veces como gente lo baje.

La convención la fijaron personas con una terminal delante, donde `tar -xJf` deshace las dos capas en una orden y el problema nunca llega a existir. Fuera de ese camino es un formato hostil: Windows muestra un tipo de archivo desconocido, macOS ofrece poca cosa, y en un ordenador corporativo o de un aula de informática instalar un descompresor requiere un permiso que tarda tres días. Esta página existe por esa distancia, no para discutir si el proyecto debería haber publicado un ZIP.

La diferencia de tamaño entre lo que descargaste y lo que se descarga de aquí sale de una sola cifra: cuánto hacia atrás puede mirar el compresor cuando encuentra algo repetido. El registro le atribuye a xz una ventana de 8.192 KB, que es el diccionario de su preajuste por defecto, frente a los 32 KB de ZIP. Son doscientas cincuenta y seis veces más alcance.

Conviene decir el número exacto porque circula mucho el de 64 MB, que es el techo de LZMA2 configurado al máximo y no lo que obtiene nadie sin pedirlo. Aun con la cifra honesta la distancia es enorme sobre un árbol de código fuente, donde la repetición está por todas partes y muy dispersa: la misma cabecera de licencia abriendo doscientos ficheros, las mismas líneas de importación, el mismo código generado. ZIP comprime cada entrada por separado y no puede ver nada de eso.

Que quede claro antes de convertir: el archivo que te descargues de aquí pesará varias veces lo que subiste. No es un fallo ni una mala configuración, es la consecuencia directa del párrafo anterior. Todo lo que el diccionario largo encontró se vuelve a pagar entrada por entrada.

Para quien solo quiere mirar dentro de una publicación, echar un vistazo a un fichero o pasarle el contenido a alguien, el intercambio es bueno: el ZIP se abre sin instalar nada y su tamaño solo importa mientras esté en la carpeta de descargas. Para cualquier cosa que vaya a guardarse o a moverse muchas veces es un mal negocio, y lo sensato es conservar el `.tar.xz` tal como lo publicó el proyecto.

Antes de extraer nada, el conversor le pregunta al archivo cuánto declara que ocupa su contenido, y si la suma pasa de 2 GiB rechaza el trabajo con un mensaje en lugar de empezar a escribir en disco. En casi todos los pares de archivos comprimidos ese guardia está pensado para ficheros preparados con mala intención y no se dispara jamás sobre uno real.

Este par es la excepción. Un compresor fuerte aplicado a un árbol grande mete con facilidad más de 2 GiB de contenido en un fichero lo bastante pequeño como para subirlo sin pensarlo, así que una publicación de código perfectamente honesta puede quedarse fuera. Es un límite deliberado y no una avería: el conversor trabaja en un directorio acotado y con un presupuesto de tiempo corto, y un archivo de ese tamaño pertenece a una herramienta local.

No todo `.xz` es un tarball. Una imagen de disco comprimida, un registro muy largo, un volcado de base de datos: aplicar xz a un solo fichero es usar el formato exactamente como se diseñó, sin ningún TAR por ninguna parte.

El conversor lo contempla. Descomprime la capa xz, intenta leer lo que sale como si fuera un TAR y, cuando eso no encaja, lo trata como el único fichero que es y lo mete en el ZIP tal cual. Hay un detalle que conviene conocer: como xz no guarda el nombre original —a diferencia de gzip—, ese fichero llega con un nombre puesto por la cadena de proceso y no por el archivo. Renómbralo antes de pasárselo a nadie.

Las publicaciones de código vienen acompañadas de un fichero de sumas de verificación y muy a menudo de una firma separada, y las dos describen el `.tar.xz` exactamente como lo escribió el proyecto. Verifica contra la descarga original y hazlo antes de tocar nada, porque el ZIP que sale de aquí no va a coincidir con ninguna de las dos.

No es un defecto de la conversión: los miembros de dentro son idénticos, pero el envase es nuevo, escrito por otra herramienta en otro momento. Convertir primero y verificar después produce una discrepancia que asusta y no significa nada, y es una forma habitual de que alguien concluya que le han manipulado una descarga que estaba perfecta.

Conviene decirlo con todas las letras, porque la mayoría de las herramientas de este sitio sí lo hacen. Para descomprimir y reempaquetar hace falta 7-Zip de verdad, así que el archivo viaja cifrado hasta un contenedor nuestro. Allí se guarda con un nombre genérico y su extensión —tu nombre de fichero no llega a tocar el disco—, se le quitan las dos capas y se vuelve a empaquetar como ZIP desde dentro del directorio extraído, para que el resultado contenga tus ficheros y no una carpeta envolvente.

Ese directorio de trabajo se borra en un bloque `finally`, es decir, tanto si el trabajo terminó bien como si falló a mitad. El contenedor no tiene salida a internet, de modo que no podría reenviar nada aunque quisiera, y el resultado se devuelve marcado para no guardarse en caché. Lo que no vamos a afirmarte en absoluto es que los nombres de los ficheros de dentro del archivo no aparezcan nunca en un registro de errores: el diagnóstico de las herramientas se registra parcialmente y ese punto sigue abierto.

El límite gratuito de este par es de 25 MB por archivo, la cuarta parte del que se aplica a las conversiones que ocurren en tu navegador, y la razón es sencilla: esta la pagamos nosotros. Hay además una aspereza que preferimos contar: la zona donde sueltas los archivos aplica el límite del navegador a todo lo que cae en ella sin mirar de qué lado se ejecuta el par, así que un `.tar.xz` de 60 MB parecerá aceptado y lo rechazará después la API.

El tiempo se cuenta de otra forma que la habitual. Cada programa que se lanza para atender la conversión se mata a los sesenta segundos, y este par lanza varios en fila —descomprimir la capa xz, desenvolver el tar, empaquetar el ZIP—, así que una misma petición puede pasar legítimamente del minuto sin que nada vaya mal. Lo cierto no es «las conversiones caducan al minuto», sino que ningún paso individual puede quedarse colgado más de eso.

Si el archivo va camino de una máquina Linux, de un agente de compilación o de una imagen de contenedor, convertirlo es retroceder en todos los ejes: el destino ya tiene xz instalado, el ZIP pesa bastante más y los permisos y la propiedad que llevaba el TAR no sobreviven al cambio de envase. Una publicación de código convertida a ZIP y compilada después falla de vez en cuando justo por eso, de una manera que parece un problema del proyecto y no del archivo.

Convierte cuando alguien tiene que mirar dentro desde un escritorio, cuando un formulario exige ZIP y no admite discusión, o cuando vas a reenviar el contenido a quien nunca va a instalar un descompresor. Y si estos archivos te llegan a menudo, 7-Zip, Keka y PeaZip los abren en local sin techo de tamaño y sin subir nada, y las versiones recientes de Windows traen una orden `tar` que hace lo mismo desde la terminal. Esa es la mejor respuesta a largo plazo.

Las conversiones que ocurren en nuestro servidor están limitadas a cien por visitante y día, con un freno adicional de cinco peticiones por minuto. La cuenta no se lleva contra tu persona: la clave es un resumen con sal de tu dirección IP que rota cada día, el registro guarda un único par de valores —el día y cuántas llevas— y se autodestruye alrededor de veinticuatro horas después de la última.

El día es el día UTC y no las últimas veinticuatro horas, así que el contador vuelve a cero a medianoche en tiempo universal: la una o las dos de la madrugada en la España peninsular según la época del año, y la tarde o la noche anterior en buena parte de América. Las conversiones que ocurren en tu navegador no gastan nada de ese cupo, porque no nos cuestan nada.