7Z naar XZ omzetten

Dit is een compatibiliteitsomzetting, geen compressieslag. Iemand die een pakket bouwt, een broncode-release publiceert of een buildscript voedt, heeft een pijplijn die een gecomprimeerde tarball verwacht — een Source0-regel met .tar.xz, een curl die rechtstreeks in tar xJ wordt gepiept.

Het 7Z-bestand kwam er waarschijnlijk terecht omdat de afzender op Windows werkt, waar 7-Zip het voor de hand liggende programma is. De pijplijn aan de andere kant wordt niet omgebouwd voor één bestand, dus de omzetting is de goedkopere weg.

7Z verscheen in 1999, XZ in 2009, en beide bouwen op dezelfde LZMA-familie met een woordenboek tot 64 MB. Een compressor van die omvang ziet dat een frase uit bestand veertig al in bestand drie voorkwam, en beide formaten zien precies hetzelfde.

De verhouding wordt dus bepaald door de inhoud, niet door de keuze van formaat. Op broncode of logbestanden vinden beide ongeveer evenveel herhaling; op een map met JPEG’s of MP4’s vindt geen van beide iets, omdat de redundantie er al uit is. Verwacht van deze omzetting geen kleiner bestand.

XZ comprimeert precies één datastroom. Er is geen veld voor een bestandsnaam, geen begrip van een map, geen manier om aan te geven waar het ene bestand ophoudt en het volgende begint.

Daarom wordt het 7Z-archief eerst uitgepakt en de inhoud in een nieuwe TAR verzameld, die vervolgens met xz wordt gecomprimeerd. Zat er in het 7Z toevallig al een gewoon .tar-bestand, dan blijft dat gewoon als apart bestand staan en wordt het niet uitgepakt.

Niets breekt als je de naam laat staan — xz -d en tar kijken naar de bytes, niet naar de extensie — maar mensen en automatisering lezen de extensie eerst, en een .xz die een tarball blijkt te bevatten levert verwarring op.

Hernoem het bestand voor publicatie naar .tar.xz. Dan doet tar xf beide lagen in één stap, precies zoals iemand die de releasenotities leest verwacht. XZ bewaart, anders dan gzip, geen eigen oorspronkelijke bestandsnaam.

Een 7Z-archief kent zijn eigen inhoud: namen, paden, groottes en een controlesom per bestand staan in het archief zelf, waardoor een archiefprogramma een 400 MB groot 7Z direct kan tonen zonder iets uit te pakken.

Een XZ-bestand weet niets van dien aard — xz --list geeft alleen het aantal blokken en de totale grootte. Alles wat een tar.xz-listing toont, komt uit het lezen van de TAR erbinnen, wat het hele bestand vereist uit te pakken.

xz maakt deel uit van vrijwel elke Linux- en BSD-installatie, omdat de pakketbeheerder er zelf van afhangt, en GNU tar begrijpt -J voor XZ al sinds 2009. Een minimale containerimage kan meestal nog steeds een tar.xz uitpakken.

7-Zip staat daar niet automatisch op — het moet apart geïnstalleerd worden op elke machine die het nodig heeft. Op een buildserver of een minimale container die je niet zelf hebt samengesteld, is dat het verschil dat telt, niet de bestandsgrootte.

7Z ondersteunt versleuteling, XZ niet, dus een beveiligd archief kan in principe niet worden overgezet. In plaats van te raden naar een wachtwoord meldt de omzetting de weigering direct en leesbaar. Ontgrendel het archief eerst zelf en zet daarna het onversleutelde bestand om.

Een archief dat opgeeft groter dan 2 GB uit te pakken, wordt geweigerd voordat er iets wordt weggeschreven. Deze controle is niet waterdicht op zichzelf — een archief kan die opgave onderschatten — maar de rest van de omgeving eromheen begrenst wat daarna nog kan gebeuren.

Niet naar je browser. Deze omzetting draait op onze server, omdat er echte 7-Zip- en xz-programma’s voor nodig zijn, en die container heeft zelf geen toegang tot het internet.

Elke taak krijgt een eigen tijdelijke map die na afloop altijd wordt verwijderd, ook bij een mislukte poging. Het gratis niveau accepteert bestanden tot 25 MB. Bevat het archief iets wat je liever niet naar een derde partij stuurt, dan doen 7-Zip en xz op je eigen machine hetzelfde in twee stappen offline.

Draai tar tJf over het resultaat en vergelijk de lijst met het 7Z-archief: hetzelfde aantal bestanden, dezelfde paden, dezelfde groottes. Dat vangt de fout die er hier het meest toe doet: een pad dat een map is verschoven doordat het archief vanuit de bovenliggende map in plaats van van binnenuit is samengesteld.

Kijk ook naar tijdstempels en Unix-rechten in plaats van ze aan te nemen. De bestanden komen byte voor byte over, maar wat het oude archief erover vastlegde, gaat niet altijd mee — een 7Z gemaakt op Windows heeft mogelijk nooit een uitvoerbaarheidsbit gehad om over te dragen.