ZIP naar BZ2 omzetten

Bijna niemand kiest in 2026 bewust voor bzip2. Ze erven het. Een buildscript van tien jaar geleden pipet door `bunzip2`, een onderzoeksdataset is gepubliceerd als `.tar.bz2` en het nieuwe bestand moet naast de oude staan, de uploadregels van een spiegelserver noemen de extensie, of een tool weigert al het andere. Conformiteit is de hele motivatie.

Dat is een prima reden en deze pagina gaat er niet tegenin. Wat deze pagina wel doet is ervoor zorgen dat je niet alleen op reputatie kiest — die reputatie is verdiend rond 1996, toen het echt de sterke optie was, en het landschap is sindsdien twee keer verschoven.

BZ2 kan geen bestandsnaam vastleggen, laat staan een mappenstructuur. Dat is geen beperking van de implementatie; het is wat het formaat is — een compressor, toegepast op één ding.

De omzetting kan dus geen rechtstreekse herverpakking zijn. De ZIP wordt uitgepakt, de inhoud wordt in een TAR geschreven die elke naam en elk pad draagt, en bzip2 wordt toegepast op die ene tarball. Iedereen die het uitpakt krijgt de mappenstructuur precies terug zoals hij was.

bzip2 gebruikt geen glijdend venster zoals DEFLATE. Het leest een blok van tot 900 KB, past een Burrows-Wheeler-transformatie toe die rotaties van het blok sorteert zodat vergelijkbare context naast elkaar komt te staan, en comprimeert dan het resultaat. Het hele blok is de context, niet de laatste 32 KB ervan.

Dat is waarom het wint van gzip op grote, repetitieve tekst — logbestanden, XML, CSV-exports — en waarom het voordeel wegvalt bij een ZIP vol JPEG’s of MP4’s. Al gecomprimeerde data heeft geen resterende structuur om te sorteren.

Sorteren is niet gratis, en bzip2 is de traagste van de drie Unix-compressoren, zowel bij het inpakken als, tot verrassing van veel mensen, bij het uitpakken. Elk blok moet worden ontsorteerd om gelezen te worden.

Op de 25 MB die de gratis laag accepteert is daar niets van te merken — de klus duurt een paar seconden hoe dan ook. Het wordt bepalend bij gigabyteschaal, precies waar het oude advies om bzip2 te verkiezen ontstond.

Bzip2 comprimeert precies één stroom. Het heeft geen map, geen bestandsnamen, geen begrip van meerdere bestanden — dezelfde vorm als gzip en xz. Daarom is `.tar.bz2` de normale vorm: tar bundelt de boom tot één stroom en bzip2 comprimeert die.

Een kale `.bz2` uitpakken geeft precies één bestand terug. Verwachtte je een map, dan is het archief dat je wilde de `.tar` erbinnen, en de meeste tools presenteren de twee stappen als één.

Op gewone tekst en broncode landt bzip2 ongeveer een kwart kleiner dan gzip — 25 en 27 procent op twee brontekstcorpora gemeten voor deze pagina — en binnen een paar procent van xz op dat soort invoer. Compressie is meerdere keren trager dan gzip; decompressie is nog trager, wat het formaat de das omdeed.

Dat laatste maakt het formaat onaantrekkelijk in plaats van slechts achterhaald. Een bestand wordt eenmalig gecomprimeerd en vaak gedecomprimeerd, dus een formaat dat traag is om te lezen betaalt zijn kosten telkens opnieuw.

bzip2 comprimeert elk blok apart, wat twee nuttige gevolgen heeft. Schade blijft beperkt: een beschadigd blok kost je dat blok in plaats van alles erna, en er bestaan herstelgereedschappen die de intacte blokken uit een beschadigd bestand halen.

Onafhankelijkheid is ook waarom parallelle implementaties bestaan en goed werken — de blokken kunnen zonder overleg naar verschillende kernen worden verdeeld. Weegt duurzaamheid zwaarder dan ratio, dan is dat een echt argument voor bzip2.

Deze omzetting draait op onze converter, niet op de pagina. Het archief wordt over een versleutelde verbinding geüpload, 7-Zip pakt het uit, de inhoud wordt getard, bzip2 wordt op de tarball toegepast, en het resultaat komt terug. Alles wat tijdens de taak wordt geschreven, wordt verwijderd zodra hij eindigt.

De regels die daarbij horen: 25 MB per bestand gratis, zestig seconden voordat een taak wordt beëindigd, en een botte weigering voor een archief dat aangeeft groter dan 2 GB uit te pakken.

Gaat het archief naar een persoon, stop dan hier. Windows Verkenner en de macOS Finder openen ZIP zonder iets te installeren, en geen van beide heeft enig idee wat een `.tar.bz2` is. Converteren voor iemand die niet specifiek om bzip2 vroeg, maakt van een dubbelklik een supportgesprek.

Hetzelfde geldt voor de meeste webformulieren, leerplatformen en ticketsystemen, die ZIP accepteren en al het andere stilzwijgend weigeren op basis van de extensie. Grijp naar dit paar alleen wanneer een machine aan de andere kant expliciet om bzip2 vraagt.

De download komt binnen met je oorspronkelijke naam en een `.bz2`-extensie, dus `records.zip` komt terug als `records.bz2`, ook al zijn de bytes een tarball verpakt in bzip2. Omdat het formaat geen eigen naam bewaart, is de bestandsnaam de enige beschrijving die het archief draagt — hernoemen naar `records.tar.bz2` is dus echt functioneel.

Uitpakken verloopt in dezelfde twee stappen. `tar -xjf` regelt beide lagen in één commando op elke Unix-machine, terwijl een grafisch archiefprogramma op Windows meestal eerst de bzip2-laag decomprimeert en je één `.tar` toont om daarna te openen.