BZ2 を ZIP に変換

2026 年に新しいプロジェクトを bzip2 で始める人はいません。今も存在するのは歴史です。bzip2 が有力な選択肢だった頃に公開された研究データセット、2000 年代半ばのソースリリース、パイプラインを更新していないミラー、とうに退役したサーバーのバックアップ。

このページに来る人が形式を選んでいることはほとんどなく、たいていは何年も前に作られたファイルを渡され、中身を見る方法だけを探しています。圧縮方式の得失を論じても意味がありません。ファイルはすでに存在しているからです。問われているのは開けるか開けないかであって、bzip2 と xz のどちらを選ぶかではありません。

BZ2 は 1 本のストリームだけを圧縮します。ファイル名もパスも権限もタイムスタンプも入れる場所がありません。

アーカイブらしい情報はすべて下の層の TAR にあります。ファイルごとのヘッダーブロックと中身が順番に並ぶだけで、それ自体の圧縮も索引もありません。bzip2 はその中に複数のファイルが入っていることすら知らず、ただの長いバイト列として扱います。両方の層を展開して初めて元のフォルダーに戻ります。片方だけ展開して「壊れている」と判断してしまう人が多いのはこのためです。同じ構造が .tar.gz や .tar.xz にもあるので、ここで理解しておけば他の拡張子にも応用できます。

gzip のヘッダーは元のファイル名を持てますが、bzip2 のヘッダーはブロックの大きさを示す程度で、名前に相当するものは何もありません。この違いは、展開した結果が何だったかを判定しようとするまで表面化しません。

この変換機の最初の版は、まさにその判定を名前だけで行っていて、gzip では機能しても bzip2 や xz では黙って失敗していました。同じ tar が無名のまま出てきて、判定漏れによって中の各ファイルではなく不透明な塊 1 つだけを含むアーカイブができていました。いまは名前ではなく中身そのものから tar かどうかを判定しているので、このページでは両方の層が外れることを約束できます。

bzip2 は最大 900 KB のブロックを読み、Burrows–Wheeler 変換で似た文脈が並ぶように並べ替えてから圧縮します。ブロック全体が文脈になります。ZIP は各ファイルを 32 KB の窓で個別に deflate し、エントリーごとにゼロから始めます。

.tar.bz2 に入りがちな素材——コーパス、ログ、ソースツリー、XML、表形式の書き出し——では、この差が実際に効いてきて ZIP は目に見えて大きくなります。画像や動画のアーカイブではほとんど差が出ません。すでに圧縮済みの素材にはどちらの手法も新たに縮める余地がないからです。容量が互換性より重要なら、答えはアーカイブをそのままにして読めるツールを入れることです。標準デスクトップで開ける形式は、どれも今の bzip2 より弱い圧縮しかできません。

たいていの圧縮方式は圧縮より展開のほうがずっと速いものですが、bzip2 は例外です。ブロックの並べ替えを元に戻す処理は単純なストリームコピーではなく、実際の計算量を伴います。

無料枠の 25 MB の範囲では 1〜2 秒程度で気になりません。それでもこの形式が主流の座を失った理由がここにあります。xz は展開が速く圧縮率も高いため、bzip2 にはどちらの軸でも優位性が残りませんでした。bzip2 が今も勝る点が 1 つだけあります。壊れたデータへの耐性です。これは性能ではなく保存の話で、アーカイブ用途の片隅に生き残っている理由です。

bzip2 が本当に得意なのはダメージの封じ込めです。各ブロックが個別に圧縮されているので、壊れた領域はそのブロックだけの損失で済み、無事なブロックだけを取り出す復旧ツールも存在します。

劣化しつつあるストレージに長く置かれていた古いアーカイブを変換するなら、これを知っておく価値があります。ここでの変換が失敗しても、bzip2 用の復旧ツールでローカルにある程度救い出せる可能性があります。変換には無傷で読み込めるアーカイブが必要で、救出はまったく別の道具の仕事です。

すべての bzip2 ファイルが tarball というわけではありません。圧縮されたデータベースのダンプ 1 個、大きなログ 1 個、書き出された表 1 個——bzip2 を 1 ファイルにそのまま使うのも正しい使い方で、TAR は関係ありません。

この変換機は展開した中身を TAR として読もうとし、失敗すれば 1 ファイルとしてそのまま扱います。できあがる ZIP にはそのファイルが入ります。あいまいさのしわ寄せは名前に出ます。bzip2 は名前を保存しないため、ZIP 内のエントリー名はアーカイブが覚えていたものではなく、処理過程で付けられたものになります。

この組み合わせはブラウザーの中では動きません。アーカイブの展開と再構築には本物のプログラムが必要だからです。ファイルは暗号化された通信でサーバーへ送られ、展開・再構築・ZIP 化されたあと返送されます。中間生成物の tar を含め、ジョブが書き込んだものはすべて終了時に削除されます。

作業領域はメモリー上の一時領域で固定サイズ、コンテナーごと破棄されます。無料枠は 25 MB、処理時間は 60 秒まで、展開後 2 GB を超えると宣言されたアーカイブは展開前に拒否されます。機密性が高いなら、7-Zip や Keka で同じ作業をオフラインで行うこともできます。

このページに届くアーカイブは古いものが多く、何度も機械を渡り歩いています。変換の失敗をこちら側の問題と決めつける前に、アーカイブそのものを検証する価値があります。bzip2 はブロックごとと全体のチェックサムを持つので、壊れたデータを黙って渡すことはありません。

その検証に失敗するなら、ここでの変換も同じ理由で失敗します。何度アップロードしても結果は変わりません。ブロックごとに独立して圧縮されている性質を活かし、無事なブロックだけを救い出す復旧ツールを使うのが次の一手です。まず救出、それから変換という順番を守ってください。