Converter GZ para 7Z

O momento que traz a maioria das pessoas até aqui é específico. Um arquivo chega chamado algo como `projeto-4.2.tar.gz`, o Windows não oferece um jeito óbvio de abrir, um descompactador é instalado, e o resultado é um único arquivo chamado `projeto-4.2.tar` — que precisa ser descompactado de novo. Nada está quebrado; é simplesmente assim que o formato funciona. Mas é um encaixe ruim para um computador onde a expectativa é que um arquivo compactado seja uma coisa só para olhar dentro.

O lado Unix dessa troca não tem esse problema, porque um único comando desfaz as duas camadas de uma vez. Esta conversão existe para o outro lado dessa troca: o analista, o desenvolvedor no Windows, a pessoa que recebeu uma exportação de servidor e precisa achar um arquivo de configuração nela. Um 7Z é um arquivo só com um índice de verdade, e todo descompactador do Windows mostra ele como uma pasta que dá para entrar.

O TAR, de 1979, é um empacotador sem compressor: escreve os itens um depois do outro com um cabeçalho na frente de cada um registrando nome, caminho, tamanho e datas. Ele não deixa nada menor. O GZ, definido em 1996, é o oposto: comprime um único fluxo e não tem campo para nome, caminho nem um segundo item.

Nenhum dos dois é deficiente. Foram desenhados para serem compostos, e é por isso que `.tar.gz` é a convenção mais antiga e duradoura do mundo Unix. Um 7Z, de 1999, faz os dois trabalhos num formato só — tem um índice de entradas com nomes, caminhos e soma de verificação por item, e comprime tudo com LZMA2. É essa a diferença que esta conversão está comprando, e é uma diferença estrutural, não uma questão de um formato ser melhor.

O fluxo gzip é descompactado primeiro, o que sempre produz uma coisa só, porque é tudo o que um fluxo gzip pode carregar. Se essa coisa for um TAR, ele é desempacotado em seguida e os arquivos dentro dele viram os itens do 7Z. Se for um arquivo comum, ele é mantido como está e vira o único item.

O desempacotamento interno é feito forçando o tipo tar em vez de confiar no nome do arquivo — um detalhe que já foi um bug real antes de virar uma nota de design. O gzip guarda o nome original no cabeçalho, então um tarball interno vindo de um GZ chega com o nome certo e uma checagem por nome o encontra; mas outros formatos de compressão não guardam nome nenhum, e a mesma checagem passaria batido. O sintoma seria um arquivo contendo um único item opaco em vez dos trinta que entraram.

A janela de busca é o argumento inteiro. O gzip comprime dentro de 32 KB de histórico, então um cabeçalho de licença que aparece em duzentos arquivos-fonte é comprimido duzentas vezes do zero. O 7Z usa LZMA2 com um dicionário de até 64 MB, grande o suficiente para cobrir o arquivo inteiro na maioria dos casos, então a segunda ocorrência de qualquer coisa custa quase nada.

É também por isso que a economia é imprevisível em vez de uma porcentagem fixa. Uma árvore de código-fonte ou um conjunto de arquivos de configuração encolhe bastante. Um tarball de JPEGs ou MP3s quase não se move, porque a redundância dentro desses arquivos já foi removida pelos próprios codecs antes de entrar no arquivo. Olhe o número no seu próprio arquivo em vez de qualquer número citado numa página como esta.

Este é o benefício prático que as pessoas realmente sentem, e é separado do tamanho. Um 7Z registra suas entradas no próprio arquivo, então um descompactador consegue mostrar todo caminho e tamanho de um arquivo de 500 MB no tempo que leva para ler poucos kilobytes do fim dele. É por isso que clicar duas vezes num 7Z abre uma janela na hora.

Um tarball compactado não consegue fazer isso de jeito nenhum. Os nomes moram dentro do TAR, o TAR está dentro do fluxo comprimido, e o fluxo precisa ser descompactado do início para alcançá-los — não existe índice e não há onde colocar um. Para um arquivo que você pretende buscar em vez de consumir por inteiro, essa única propriedade vale mais do que a taxa de compressão.

Um cabeçalho TAR registra o dono, o grupo, a permissão e a data de modificação de cada item, e para muitos tarballs isso não é incidental — um pacote de lançamento com um script de build dentro depende do script chegar executável. A nota do nosso catálogo sobre este par é deliberadamente sem meias palavras: os arquivos saem byte a byte, e o que o contêiner antigo guardava sobre eles, e não neles, é o que pode não sobreviver.

Então se o tarball é um artefato de implantação ou algo que vai ser desempacotado numa máquina Unix e executado, converter para 7Z é uma mudança que você precisa testar, não presumir. Se é um conjunto de documentos, um banco de dados ou uma árvore de código que você vai ler no Windows, nada disso importa e a conversão não custa nada que você estivesse usando.

Suporte irregular é o ponto fraco conhecido do 7Z, e é o contrapeso honesto para tudo acima. O Explorador do Windows abre um ZIP sem nada instalado e não abre um 7Z; o Finder do macOS é igual. 7-Zip, Keka e PeaZip lidam com ele, mas todos precisam ser instalados primeiro.

Isso torna o 7Z um formato excelente para um arquivo que você vai guardar e ruim para um que você vai enviar. Se o ponto desta conversão é facilitar seu próprio trabalho na sua máquina, é o destino certo. Se você está convertendo para encaminhar o resultado a outra pessoa, ZIP é a resposta — é o único formato de arquivo compactado que abre em qualquer lugar sem uma conversa sobre qual ferramenta instalar.

Esta conversão roda no nosso servidor, não no seu navegador. A maioria das ferramentas deste site mantém o arquivo no seu aparelho e diz isso claramente; arquivos compactados são uma das exceções, porque o trabalho precisa do 7-Zip como programa de verdade. O arquivo viaja por uma conexão criptografada até um contêiner sem acesso próprio à internet.

A tarefa recebe um diretório de trabalho num sistema de arquivos baseado em memória, apagado assim que a tarefa termina seja qual for o resultado, e é encerrada depois de sessenta segundos em vez de deixada rodando indefinidamente. Antes de extrair qualquer coisa, o arquivo é consultado sobre quanto ele diz que vai expandir, e um total declarado acima de 2 GB é recusado.

Abra o resultado e compare a lista de entradas antes de apagar qualquer coisa. A contagem e os caminhos são o que importa: este é um reempacotamento sem perdas, então uma diferença nunca é um arquivo corrompido, é uma surpresa estrutural — mais frequentemente uma pasta raiz presente num e ausente no outro. O arquivo aqui é empacotado de dentro do diretório extraído, então seus arquivos ficam na raiz do 7Z em vez de dentro de uma pasta envolvente.

O 7-Zip tem um comando de teste que verifica cada entrada contra sua soma de verificação sem escrever nada em disco, e vale trinta segundos em qualquer arquivo que você pretenda guardar. O caso que merece mais atenção é um `.gz` que continha um único arquivo: o 7Z vai conter esse arquivo só, corretamente, e se você esperava uma pasta, o original nunca foi um tarball.