Convertir ZIP a GZ

Casi todos los ZIP que llegan a esta página nacieron de un menú contextual: «Enviar a, Carpeta comprimida» en Windows, «Comprimir» en el Finder. Nadie eligió ese formato; era el único que había a mano. Después alguien al otro lado pidió un .tar.gz —el panel de un alojamiento, un guion de despliegue, la documentación de importación de un cliente, un servidor Linux donde está tar y no está ningún descompresor de ZIP— y ahí empieza el problema.

Por eso el objetivo aquí es de conformidad y no de tamaño. En cuanto el archivo tenga la forma que espera el otro extremo, el trabajo está hecho. Lo que queda del texto es sobre qué forma es esa exactamente, porque es lo único que la conversión no puede ocultarte: lo vas a ver en cuanto abras la descarga.

Este es el hecho sobre el que gira el par. Un archivo gzip comprime una única secuencia de bytes. No lleva índice, ni nombres, ni rutas, ni fechas por archivo: nada de lo que un contenedor guarda acerca de sus miembros en lugar de dentro de ellos tiene sitio ahí.

Un ZIP es justo lo contrario: entradas comprimidas cada una por su cuenta y un directorio al final del archivo que dice dónde vive cada una. No hay forma de verter lo segundo en lo primero. Algo tiene que aplanar antes muchos archivos en una sola secuencia, y eso es TAR. Así que el contenido se desempaqueta, se dispone como tarball —que sí tiene campos para nombres y rutas— y gzip comprime ese tarball como un objeto único. Eso ha significado siempre un .tar.gz; no es un apaño de este conversor.

Lo que recibes es un flujo gzip por fuera, un tar dentro de él, y tus archivos dentro del tar. En Linux o macOS eso se abre de una sola orden y nadie se entera. En Windows, con 7-Zip o similar, se abre y aparece un único archivo llamado output.tar; hay que entrar en él para ver el contenido. Nada ha fallado: es la estructura de dos capas que acaba de describirse, vista desde fuera. Los archivadores gráficos quitan una capa por clic.

Ese nombre interior tiene explicación: un flujo gzip puede guardar el nombre original de lo que comprimió, cosa que sus dos hermanos, bz2 y xz, no hacen. Aquí lo que se comprimió fue el tarball intermedio, y de ahí output.tar. El nombre que sí eliges tú es el de fuera: la descarga toma el nombre de tu ZIP con la extensión de destino, así que documentos.zip vuelve como documentos.gz. Renómbralo a .tar.gz, o a .tgz, si algo aguas abajo se fija en el nombre; muchas herramientas de Unix lo deducen de los bytes, y bastantes guiones no.

La gente espera que una conversión sirva de algo en bytes, y esta no. El ZIP que produce Windows comprime sus entradas con DEFLATE, y DEFLATE es también lo que hay dentro de gzip: es el mismo algoritmo buscando las mismas repeticiones sobre los mismos datos. Lo que cambia es el envoltorio, no el compresor.

Hay una diferencia estructural que puede empujar en cualquiera de las dos direcciones. El ZIP comprime cada entrada por separado, mientras que gzip ve un tar continuo, de modo que una colección de muchos archivos pequeños y parecidos comprime algo mejor como tarball; en cambio la capa tar añade su propio relleno en bloques de 512 bytes. En un archivo real los dos efectos se cancelan más o menos. Si lo que querías de verdad era un archivo más pequeño, este par no es el camino.

La conversión desempaqueta el ZIP en un directorio de trabajo y empaqueta ese directorio entero. No filtra nada, no ordena nada y no decide por ti qué merecía viajar. Es la garantía que hace segura esta operación —los archivos salen byte a byte— y también la razón de que convenga mirar el ZIP antes de convertirlo.

Los sospechosos habituales son concretos. Un ZIP hecho en macOS suele llevar una carpeta __MACOSX y algún .DS_Store; uno hecho en Windows arrastra archivos Thumbs.db y a veces desktop.ini. Y está el clásico de la carpeta de más: comprimir la carpeta en lugar de su contenido produce un tarball en el que todo cuelga de un nivel adicional, y un guion de despliegue que espera encontrar index.php en la raíz no lo encuentra. Los dos problemas se arreglan antes de convertir y ninguno se arregla después.

Si dentro solo hay un archivo, el desajuste del que trata esta página desaparece: un archivo es exactamente para lo que se diseñó gzip. Cabría esperar entonces el resultado idiomático, un flujo comprimido sin contenedor y sin ambigüedad sobre qué hay dentro.

No es lo que ocurre: la conversión pasa igualmente por el paso de tar, por coherencia con los demás casos, así que lo que descargas sigue siendo un tarball comprimido. Si lo que necesitas específicamente es lo otro —un volcado.sql.gz o un registro.log.gz para una herramienta que lee justo eso—, esto no te sirve y es mejor decírtelo aquí que dejarte entregar un archivo con la forma equivocada.

El desempaquetador recibe deliberadamente una contraseña vacía. Suena raro y tiene un motivo muy práctico: sin ese detalle, un archivo cifrado haría que la herramienta pidiera la clave por una terminal que no existe, y el trabajo se quedaría esperando hasta agotar el tiempo. Con la contraseña vacía falla enseguida y tú recibes una frase en lugar de un minuto de silencio.

De modo que si el ZIP está protegido, la conversión no va a ocurrir. Ábrelo tú, vuelve a comprimirlo sin clave y conviértelo entonces, teniendo en cuenta que la protección no viaja: gzip no tiene dónde guardar una contraseña, así que el tarball resultante es contenido en claro. Si la protección era el motivo por el que el archivo estaba cifrado, hay que resolverla en el transporte y no en el formato.

Los archivos salen byte a byte y eso está garantizado. Lo que no sobrevive es lo que el contenedor guardaba sobre ellos en lugar de dentro de ellos: la contraseña, y en algunos formatos los permisos y las marcas de tiempo originales.

La capa tar sí tiene campos para modo, usuario y grupo, y por eso las cadenas de despliegue prefieren tarballs. Lo que no puede es recuperar valores que ya no estaban en el origen: esos campos se rellenan a partir de la extracción y no de la máquina donde se crearon los archivos. Trátalos como no especificados en vez de como conservados. Para un conjunto de páginas o de recursos estáticos da igual; para algo que se va a ejecutar, no, y un guion que ha perdido su bit de ejecución falla señalando al guion y no al archivo que lo transportó.

Los navegadores piden gzip como codificación de transferencia: el servidor comprime la respuesta, el navegador la descomprime antes de que nada la vea, y por el camino no interviene ningún archivo. Es la razón de que buena parte de la web viaje comprimida sin que nadie lo note nunca.

Un .gz que descargas no es eso. El navegador lo trata como un archivo opaco y lo guarda tal cual, porque ahí la compresión es el contenido y no el transporte. Ni el Explorador de Windows ni el Finder de macOS lo abren por sí solos: hace falta 7-Zip, Keka o una terminal. Es un motivo razonable para dejar el archivo como ZIP cuando el destinatario es una persona, y para convertirlo solo cuando el destinatario es una máquina.

A diferencia de la mayor parte de este sitio, esta conversión no ocurre en tu navegador. El ZIP sube por una conexión cifrada, se desempaqueta y se vuelve a empaquetar con 7-Zip en nuestra interfaz de conversión, y el resultado baja de vuelta. Merece decirse con todas las letras, porque una página que aquí prometiera que tu archivo no sale de tu ordenador estaría mintiendo.

Lo que sí se puede afirmar con exactitud: el archivo se escribe en un directorio recién creado y con un nombre fijo derivado de la extensión, de manera que el nombre que tú le habías puesto no llega nunca al disco; ese directorio se borra al terminar el trabajo, también en cada ruta de fallo; el contenedor que ejecuta las herramientas no tiene salida a internet; el resultado se devuelve con la cabecera que impide almacenarlo en cachés intermedias; y en el despliegue no existe ni base de datos ni almacén de objetos.

Veinticinco megabytes por archivo, no cien: en las conversiones que se ejecutan en tu navegador el techo es más alto porque no nos cuestan nada, y aquí gastamos servidor. Antes de escribir un solo byte en disco se lee lo que el archivo declara sobre su propio contenido y se rechaza cualquiera que afirme expandirse por encima de 2 GiB, que es la defensa barata contra un archivo diminuto diseñado para llenar el disco.

Hay además cien conversiones de servidor por visitante y día, contadas por día universal —el contador se reinicia a medianoche UTC, que en la España peninsular en verano son las dos de la madrugada—, y un límite de ráfaga de cinco peticiones por minuto. Y el minuto de tiempo máximo se aplica a cada proceso que se lanza, no a la petición entera: como aquí se encadenan tres pasos, una petición puede pasar legítimamente del minuto sin que nada haya fallado.

Vale la pena confirmar que lo que ha vuelto contiene lo que mandaste, y la comprobación cambia según la máquina. En Linux o macOS, listar el contenido del tarball sin extraer nada es la vía más rápida para ver que las rutas tienen la pinta correcta y que la cuenta de archivos cuadra. En Windows, 7-Zip o Keka abren el archivo directamente y te enseñan el tar; el contenido aparece en el segundo clic.

Lo que hay que mirar es exactamente lo que se ha ido anunciando: que no haya un nivel de carpeta de más, que no viajen carpetas de sistema que no pintan nada al otro lado, y que los nombres con tildes y eñes se lean bien. Esa última comprobación es la más barata de todas y la que más disgustos evita, porque un nombre mal codificado no rompe el despliegue: rompe el enlace que alguien pulsará dentro de dos semanas.