ZIP を GZ に変換

このページに来るほとんどの人は、そう指示されたから来ています。ホスティングの管理画面が .tar.gz を求める、デプロイスクリプトが tar で展開する、クライアントのインポート仕様がその拡張子を指定する。手元にあるのは Windows か macOS が作った ZIP で、必要なのは Unix 流の同じ中身です。

目的は圧縮率ではなく形式への適合です。多くのページはこの 2 つの形式を同等の圧縮アーカイブとして扱い、あとで違いに気づかせます。ここでは最初から違うことを伝えます。

これがこの組の核心です。1992 年に定義された RFC 1952 の GZ は 1 本のバイトストリームを圧縮するだけで、部材の一覧もパスもディレクトリも持ちません。

ZIP は容器で、独立して圧縮された複数のエントリーと末尾の索引を持ちます。後者を前者に直接注ぎ込む方法はなく、多くのファイルを 1 本のストリームに平らにする何かが必要です。それが TAR です。

処理は展開した中身から TAR を作り、その tarball を gzip で圧縮します。受け取るファイルは外側が gzip のストリーム、その中が tar アーカイブ、さらにその中にあなたのファイル、という 2 層構造です。Unix の機械なら `tar -xzf` の一手で両方展開できます。

名前だけは少し奇妙に見えます。ダウンロードは元のファイル名の語幹に対象拡張子を付けるので、`photos.zip` は `photos.tar.gz` ではなく `photos.gz` として届きます。拡張子にうるさいツールに渡すならリネームしてください。

変換すればファイルが軽くなると期待しがちですが、この組ではそうなりません。どちらも DEFLATE で圧縮し、どちらも 32 KB の窓しか遡らないので、見つかる繰り返しは同じです。容器を変えているだけで圧縮器を変えているわけではありません。

本当に小さくしたいなら、ZIP から XZ への変換を選んでください。

gzip のストリームは圧縮した元のファイル名と更新日時を持てます。これは BZ2 や XZ にはない特徴で、`.gz` を展開すると意味のある名前のファイルが戻ってくる理由です。

ここではその名前は `output.tar` になります。tarball こそが圧縮された対象だからです。

ブラウザーはサーバーが圧縮した応答を転送符号化として自動で展開し、ファイルは介在しません。ウェブ全体が gzip で配信されていて誰も気づかないのはそのためです。

ダウンロードした .gz ファイルはそれとは違います。ブラウザーは不透明なファイルとしてそのまま保存します。Windows のエクスプローラーも macOS の Finder もネイティブには展開しないので、受け取る相手には 7-Zip か Keka、あるいはシェルが必要です。

3 つの対象はどれも tar とその外側の圧縮器という同じ形になり、圧縮器だけが違います。GZ は 32 KB の窓で最速、どこにでも入っています。BZ2 は最大 900 KB のブロックを並べ替え、テキストの圧縮率は gzip より良く、このサイトのアーカイブ形式の中で唯一「レガシー」と分類されています。XZ は最大 64 MB の辞書を持ち 3 つの中で最も小さいファイルを作りますが、圧縮に最も時間がかかります。

たいていは受け取る側が答えを決めます。デプロイツールやコンテナ層、多くのアップロード窓口は gzip を前提にしていて変えられません。何も指定がなければ gzip が安全な既定です。

ZIP がアップロードされ、7-Zip でサーバー上で再圧縮されて返ってきます。アップロードされたファイル、途中の tar、出力はジョブ終了時にすべて削除され、作業フォルダーはメモリー上に置かれコンテナと一緒に破棄されます。

無料枠は 1 ファイルあたり 25 MB、1 ジョブあたり 60 秒で強制終了、展開後に 2 GB を超えると宣言するアーカイブは拒否されます。パスワード付きの ZIP は空のパスワードで試されるため、待たされることなくその場でエラーになります。

Linux や macOS では `tar -tzf` で展開せずに中身の一覧を見て、パスとファイル数を確認できます。Windows では 7-Zip や Keka で開くと、まず tar が 1 つ見え、そこをもう一度開くと中のファイルが見えます。

その 2 段階は不具合ではありません。グラフィカルな展開ソフトは一度に 1 層ずつ剥がすのが普通なので、gzip 化された tarball は「中に 1 つの .tar を含むアーカイブ」に正しく見えます。