Convertire GZ in 7Z

Il momento che porta qui è preciso. Arriva un file che si chiama qualcosa come `progetto-4.2.tar.gz`, Windows non offre un modo evidente per aprirlo, si installa un gestore di archivi, e il risultato della decompressione è un singolo file chiamato `progetto-4.2.tar` — che va a suaolta decompresso. Nulla è rotto e nulla è stato fatto male: è la forma del formato. Ma è un cattivo adattamento a un desktop dove l’aspettativa è che un archivio sia una cosa sola da esplorare.

Sul lato Unix dello scambio non c’è alcun problema, perché `tar xzf` esegue entrambi gli strati in un comando e lo ha sempre fatto. Questa conversione esiste per l’altro lato di quello scambio: l’analista, lo sviluppatore su Windows, la persona che riceve un export da un server e deve trovarci dentro un singolo file di configurazione. Un 7Z è un archivio solo con un sommario reale, e ogni gestore di archivi su Windows lo mostra come una cartella in cui si entra.

TAR, dal 1979 e standardizzato come ustar in POSIX.1-1988, è un bundler senza compressione: scrive i membri uno dopo l’altro con un header davanti a ciascuno che registra il nome, il percorso, la dimensione, i permessi e i timestamp. Non rende nulla più piccolo. GZ, definito da RFC 1952 nel 1996, è l’opposto: comprime un singolo flusso e non sa nulla di file, percorsi o secondo membro.

Nessuno dei due è carente. Furono progettati per essere composti, ed è per questo che `.tar.gz` è la convenzione più antica e più durevole del mondo Unix. Un 7Z, del 1999, fa entrambi i lavori in un formato solo — ha un indice delle voci con nomi, percorsi e checksum per voce, e le comprime con LZMA2. È la differenza che questa conversione sta comprando, ed è una differenza strutturale, non la questione di un formato migliore dell’altro.

Il flusso gzip viene decompresso per primo, e produce esattamente una cosa, perché un flusso gzip non può contenere altro. Se quella cosa è un TAR, viene aperto a sua volta e i file al suo interno diventano i membri del 7Z. Se è un file ordinario viene conservato così com’è e diventa l’unico membro.

L’apertura interna viene forzata per tipo anziché basarsi sul nome, e quel dettaglio è stato un vero bug qui prima di diventare una nota di progetto. Il gzip memorizza il nome originale del file nel proprio header, quindi un tarball interno arriva da un GZ con un nome sensato e un controllo basato sul nome lo trova — ma XZ e BZ2 non memorizzano alcun nome, quindi lo stesso tarball arrivava chiamato `input` e il controllo lo mancava. Il sintomo era un archivio che conteneva un unico file opaco anziché i trenta che c’erano entrati: una conversione che riportava successo e restituiva la cosa sbagliata.

La finestra è l’intero argomento. Il gzip comprime entro 32 KB di cronologia, quindi un’intestazione di licenza che appare in duecento file sorgente viene compressa duecento volte da zero. Il 7Z usa LZMA2 con un dizionario che il registro riporta fino a 64 MB, sufficiente a contenere l’intero archivio per la maggior parte dei file che le persone convertono, così la seconda occorrenza di qualunque cosa costa quasi nulla.

Ecco perché il risparmio è imprevedibile anziché una percentuale fissa. Un albero di sorgenti, un set di export, una cartella di file di configurazione o una build di documentazione si riduce parecchio. Un tarball di JPEG, MP3 o MP4 si muove appena, perché la ridondanza interna a quei file era già stata rimossa dai loro codec prima che l’archiviazione iniziasse. È più utile guardare il numero del proprio file che qualsiasi cifra citata in una pagina come questa.

Questo è il vantaggio pratico che le persone percepiscono davvero, ed è separato dalla dimensione. Un 7Z registra le proprie voci nell’archivio stesso, perciò un gestore di archivi può mostrare ogni percorso e ogni dimensione in un file da 500 MB nel tempo che ci vuole a leggere pochi kilobyte dalla fine del file. È per questo che un doppio clic su un 7Z apre una finestra immediatamente.

Un tarball gzippato non può farlo. I nomi vivono nel TAR, il TAR è dentro il flusso compresso, e il flusso va decompresso dall’inizio per raggiungerli — non c’è un indice e non c’è dove metterne uno. Qualunque cosa sembri elencare velocemente un `.tar.gz` sta leggendo l’intero archivio e scartandolo. Per un archivio che si intende esplorare anziché consumare tutto, quella singola proprietà vale più del rapporto di compressione.

Un header TAR registra proprietario, gruppo, permessi e tempo di modifica di ciascun membro, e per molti tarball non è un dettaglio accessorio — una release con uno script di build dentro dipende dal fatto che lo script arrivi eseguibile. La nota del registro su questa coppia è deliberatamente poco lusinghiera: i file escono byte per byte, e ciò che il vecchio contenitore portava *riguardo* loro anziché dentro di loro è ciò che potrebbe non sopravvivere.

Quindi, se il tarball è un artefatto di distribuzione, un export di container o qualcosa che verrà spacchettato su una macchina Unix e poi eseguito, convertirlo in 7Z è una modifica da verificare anziché dare per scontata. Se si tratta di un insieme di documenti, di un dataset, di una raccolta di foto o di un albero di sorgenti che si intende leggere su Windows, nulla di tutto ciò conta e la conversione non costa nulla di ciò che si stava usando.

Il registro elenca il supporto disomogeneo come problema noto del 7Z, ed è il contrappeso onesto a tutto quanto precede. Esplora risorse di Windows apre un ZIP senza nulla installato e non apre un 7Z; il Finder di macOS si comporta allo stesso modo. 7-Zip, Keka e PeaZip lo gestiscono e vanno tutti installati prima.

Ciò rende il 7Z un formato eccellente per un archivio che si conserva in proprio e scadente per un archivio che si spedisce. Se lo scopo della conversione è rendere il file più facile da gestire sulla propria macchina, è la destinazione giusta. Se si converte per inoltrare il risultato a qualcun altro, la risposta è invece ZIP — è l’unico formato di archivio che si apre ovunque senza una discussione su quale strumento installare.

Questa conversione gira sul nostro server anziché nel browser. La maggior parte degli strumenti su questo sito tiene il file sul proprio dispositivo e lo dichiara apertamente; gli archivi sono una delle eccezioni, perché il lavoro richiede 7-Zip come programma reale. Il file viaggia su una connessione cifrata verso un container che non ha accesso a internet in uscita.

Ogni lavoro riceve una directory di scratch su un filesystem appoggiato in memoria, che viene eliminata nel momento in cui il lavoro termina qualunque sia l’esito, e viene terminato dopo sessanta secondi anziché essere lasciato girare. Prima di estrarre qualcosa, all’archivio viene chiesto cosa dichiara di espandere, e un totale dichiarato sopra i 2 GB viene rifiutato — un tarball fortemente compresso è esattamente la forma di file che può annunciare onestamente un’espansione molto ampia.

Aprire il risultato e confrontare l’elenco delle voci prima di cancellare qualunque cosa. Conta e percorsi sono ciò che conta: si tratta di un reimpacchettamento senza perdite, quindi una discrepanza non è mai un file corrotto, è una sorpresa strutturale — il più delle volte una directory iniziale presente in uno e assente nell’altro. L’archivio qui viene impacchettato dall’interno della directory estratta, perciò i file stanno alla radice del 7Z anziché dentro una cartella wrapper.

7-Zip ha un comando di test che verifica ciascuna voce contro il checksum memorizzato senza scrivere nulla su disco, e vale i trenta secondi su qualsiasi archivio si intenda conservare. Il caso da guardare con più attenzione è un `.gz` che conteneva un solo file: il 7Z conterrà quel singolo file, correttamente, e se ci si aspettava una directory allora l’originale non era mai stato un tarball e la conversione ha detto qualcosa di utile al riguardo.