Convertire ZIP in TAR

Nessuno converte in TAR per archiviazione. Convertono perché qualcosa a valle legge tarball e nient’altro: un contesto di build container, uno script di deploy, un endpoint di importazione, uno strumento scritto nel 1998 e ancora silenziosamente portante. TAR risale al 1979 e si standardizza come POSIX.1-2001 ustar.

Questo lo rende una conversione di compatibilità nello stesso senso in cui PDF è una conversione di compatibilità per un documento. Non state migliorando l’archivio in modo misurabile; state cambiando quali programmi lo accetteranno, e pagando in byte. Giudicate il risultato da se lo strumento a valle ha smesso di lamentarsi.

Questa è la frase che la maggior parte delle pagine su questa coppia omette. Uno ZIP applica DEFLATE a ogni voce che contiene; un TAR non applica nulla a nulla. Convertire l’uno nell’altro quindi scompatta la compressione e non la sostituisce, il che significa che l’output è spesso diverse volte l’input.

Per contenuto ricco di testo il moltiplicatore è massimo — codice sorgente, export CSV, log e XML deflazionano bene, quindi disfarlo è costoso. Per uno ZIP pieno di JPEG, MP4 o PDF la differenza è piccola, perché quelli erano già compressi prima di essere archiviati.

TAR è uno stream di blocchi fissi da 512 byte. Ogni membro ottiene un blocco intestazione che porta nome, dimensione, modalità e marca temporale, seguito dal suo contenuto arrotondato al prossimo multiplo di 512, e l’archivio finisce con due blocchi di zeri.

La conseguenza si vede su archivi di molti file piccoli. Cinquecento file da un kilobyte costano almeno un’intestazione e due blocchi contenuto ciascuno, quindi il padding da solo è misurabile — una ragione per cui un TAR di un albero sorgente sembra stranamente grande accanto allo ZIP da cui proviene.

TAR può registrare una modalità file, un utente e un gruppo, ed è esattamente perché piace agli strumenti Unix. Ciò che non può fare è inventare quei valori. Vengono da qualunque cosa abbia prodotto lo scompattamento del vostro ZIP sul nostro convertitore, non dalla macchina dove i file vivevano originariamente.

Trattate quindi le modalità nell’output come non specificate piuttosto che preservate, e impostatele esplicitamente dopo l’estrazione se qualcosa ne dipende — un bit eseguibile su uno script è la vittima abituale.

Una grande quota di chi cerca questa coppia in realtà ha bisogno di un tarball compresso, perché è ciò che diceva l’istruzione che seguivano. Se il target è un download o qualcosa che attraversa una rete, il TAR semplice è la metà sbagliata della risposta.

Convertire lo ZIP in GZ invece produce esattamente quello. Ogni target qui che non può contenere più di un file — GZ, BZ2 e XZ — viene costruito facendo prima un TAR e comprimendolo, ciò che la convenzione .tar.gz ha sempre significato.

Il reimpacchettamento di archivi è una delle conversioni su questo sito che richiede una macchina reale, quindi il file viaggia. Passa su una connessione crittata al nostro convertitore, 7-Zip scompatta lo ZIP e scrive il TAR, il risultato torna, e sia il caricamento sia l’output vengono cancellati al termine del lavoro.

I limiti sono quelli che vengono con quella disposizione: 25 MB per file sul livello gratuito, e uno stop rigido a sessanta secondi per lavoro.

Due rifiuti vale la pena saperli in anticipo. Un archivio che dichiara di scompattarsi a più di 2 GB viene rifiutato prima che un solo byte sia scritto su disco. E uno ZIP che risulta non contenere nulla ottiene un messaggio semplice piuttosto che un tarball vuoto.

Gli ZIP crittati si fermano anche qui. Lo scompattatore riceve deliberatamente una password vuota così che un archivio protetto fallisca immediatamente con un errore leggibile invece di aspettare un prompt che non riceverà mai risposta.

Il registro segnala i file grandi come problema noto per TAR, e la ragione è nell’intestazione: il formato ustar originale memorizza una dimensione file in un campo ottale a dodici caratteri, che non può esprimere nulla oltre 8 GiB, e memorizza i nomi in un campo di 100 caratteri con un prefisso di 155.

Le estensioni moderne risolvono entrambi, e gli strumenti moderni le scrivono per default, quindi la maggior parte delle persone non incontra mai nessuno dei due limiti. Sul livello gratuito qui nessuno dei due è comunque raggiungibile — il tetto di 25 MB sull’input arriva molto prima del formato.

Per la conservazione a lungo termine, TAR ha una proprietà che i formati compressi non hanno: il danno resta locale. Una regione corrotta in un tarball non compresso vi costa i file in quella regione, e tutto dopo può ancora essere letto, perché la struttura non è altro che intestazioni e contenuto in sequenza.

Un archivio compresso è molto meno indulgente. Un byte sbagliato all’inizio di uno stream solido può costare tutto ciò che segue. È l’argomento onesto per conservare un TAR semplice accanto a una copia compressa piuttosto che invece di una.

ZIP tratta impacchettamento e compressione come un’unica operazione, il che è comodo e silenziosamente vi toglie una scelta: l’archivio viene deflazionato perché è ciò che fa ZIP. Un TAR non prende tale decisione. Non ha impostazione di compressione, nessun livello, nessun dizionario e nessun algoritmo.

Quella separazione è perché gli strumenti Unix si compongono così liberamente. Lo stesso tarball può essere incanalato in gzip per velocità, xz per dimensione o nulla per un passo intermedio, e la scelta può essere fatta da chi sta spostando piuttosto che da chi ha impacchettato.