Converter RAR para XZ

RAR é tecnicamente bom. É sólido, mantido desde 1993, carrega criptografia e integridade por membro, e seus registros de recuperação são um recurso genuinamente inteligente que poucos concorrentes igualam. Nada disso é o problema. O problema é que o registro o classifica como proprietário, e existe exatamente um programa no mundo capaz de criar um, o que torna todo archive RAR de vida longa uma aposta num fornecedor só.

Essa aposta é razoável para um download que você vai abrir semana que vem e ruim para qualquer coisa depositada, publicada ou guardada. Repositórios, espelhos, financiadores e acervos institucionais cada vez mais dizem isso explicitamente, e a exigência costuma vir redigida como um formato com especificação publicada e mais de uma implementação independente. XZ atende isso confortavelmente, e `.tar.xz` é o formato de artefato que o lado Unix desse mundo já espera — por isso esta conversão é sobre convenção e custódia, não sobre compressão.

Esta é a parte incomum do par. RAR é marcado sólido no registro, o que significa que concatena os membros num único fluxo contínuo antes de comprimir, para que repetição entre arquivos seja encontrada em vez de perdida em cada fronteira. XZ não tem escolha nisso — comprime exatamente um fluxo, então seu conteúdo é inerentemente sólido — e faz isso com um dicionário LZMA2 de até 64 MB.

Dois compressores sólidos de geração parecida sobre os mesmos dados dão respostas parecidas. Espere que o XZ fique dentro de uma margem modesta do RAR, às vezes um pouco menor em texto, onde o dicionário de 64 MB alcança mais longe que o do RAR, às vezes um pouco maior. Se você esperava uma economia dramática, esta não é a conversão que dá isso; se temia uma penalidade dramática por sair de um formato proprietário, esta é a garantia de que não há.

Todo outro archive deste site passa pelo 7-Zip, e RAR não, porque o Debian compila o 7-Zip sem o codec de RAR. Um programa separado cuida disso: `unrar-free`, licenciado sob GPL e presente no repositório principal do Debian, rodando como processo próprio com o caminho do archive passado depois de um `--` para que um nome de arquivo nunca seja interpretado como opção.

A escolha foi medida, não presumida. A rota usual é o `unrar` da RARLAB, na seção não livre, e o extrator livre se mostrou capaz de lidar com um archive RAR5 real em vez de ficar limitado ao RAR4 como sua fama sugere. Isso importa especialmente para um leitor de acervo: a ferramenta que faz a leitura é ela mesma software livre com código publicado, um ponto único de falha a menos numa cadeia que deveria sobreviver a todos os seus componentes.

Um RAR é um contêiner: registra um nome, um caminho, um tamanho e um checksum para cada membro dentro do próprio archive, e é por isso que um arquivador consegue listar um instantaneamente. XZ não registra nada disso. Comprime um fluxo anônimo, guarda uma verificação de integridade sobre ele, e o registro lista a ausência de estrutura de diretório como um problema conhecido do formato.

Então a conversão desempacota o RAR, reúne tudo num TAR novo — cabeçalho de 512 bytes por membro, com campos para nome, caminho, modo, dono e datas — e comprime esse tarball com xz. O tarball é montado de dentro do diretório extraído, então seus arquivos ficam no nível superior em vez de dentro de uma pasta envelope. Para um depósito esse é o formato certo: o TAR é a camada que um leitor futuro vai analisar, é documentado como POSIX.1-2001 ustar, e é estável desde 1979.

O ponto de preferir um formato aberto para arquivamento não é ideologia, é aritmética sobre falha. Um formato com especificação publicada pode ser reimplementado por qualquer um que precise; um formato com um fornecedor só e uma licença que proíbe empacotadores compatíveis não pode. O campo `openness` do registro diz `proprietary` para RAR e `open` para XZ, e essa única palavra é a diferença entre «podemos escrever um leitor se precisarmos» e «esperamos que continuem vendendo».

O alcance segue da mesma propriedade. `xz` é uma dependência de instalação base em toda distribuição Linux relevante porque o próprio gerenciador de pacotes usa ele; o GNU tar entende `-J` desde a versão 1.22; 7-Zip e Keka leem no Windows e no macOS. WinRAR é produto pago no Windows, e o 7-Zip só lê RAR onde o codec foi embutido — como o próprio build deste site demonstra, isso não é algo a dar por garantido.

Três coisas são descartadas, e cada uma vale checar antes de se comprometer. Registros de recuperação vão primeiro: o WinRAR consegue embutir redundância para que um archive danificado se repare sozinho, e o XZ não tem esse conceito. Criptografia vai em segundo — RAR criptografa e XZ não, então um archive protegido não pode atravessar nem em princípio. Comentários de archive vão em terceiro, silenciosamente, e se o comentário era a única nota sobre a proveniência de um conjunto de arquivos, isso é uma perda real para um depósito.

O checksum por membro é o quarto e o mais consequente. Um RAR sabe qual membro está danificado; um `.tar.xz` só consegue dizer que o fluxo está danificado, porque nessa camada não existem membros. Se integridade ao longo de décadas faz parte da exigência, a resposta não é um compressor melhor — é um manifesto de hashes ao lado do archive, uma segunda cópia, e um armazenamento que verifica o que devolve. Escreva o manifesto antes de apagar o RAR, enquanto os dois ainda estão na sua frente.

Um RAR protegido por senha falha com uma mensagem em vez de travar. O extrator é chamado de forma que um archive criptografado relate a recusa imediatamente em vez de esperar por uma senha que não tem como chegar num terminal desconectado, que é o comportamento desejado num serviço: uma frase em vez de um tempo esgotado. Descriptografe localmente com WinRAR ou 7-Zip e converta o archive simples.

Um conjunto de múltiplos volumes — `parte1.rar`, `parte2.rar` e o resto — também não pode ser tratado, porque a remontagem precisa de todas as partes presentes ao mesmo tempo e este conversor recebe um arquivo por job. Junte os volumes na sua própria máquina primeiro. Os dois são comuns exatamente nos archives que as pessoas hoje estão tentando aposentar, já que dividir e proteger com senha era prática normal na época em que o RAR era o padrão, então vale checar a coleção inteira antes de planejar uma migração em lote.

No nosso servidor, não no seu navegador. A maioria das ferramentas deste site converte no seu próprio aparelho e diz isso claramente; este par não pode, porque precisa tanto de um extrator de RAR quanto de xz como programas de verdade. O arquivo viaja por conexão criptografada até um contêiner que os roda, e o contêiner não tem acesso próprio à internet.

Cada job recebe um diretório de trabalho num sistema de arquivos baseado em memória, apagado assim que o job termina seja qual for o resultado, e qualquer job ainda rodando depois de sessenta segundos é encerrado. Esse teto é mais apertado aqui do que na maioria dos pares, porque a compressão xz é lenta por design — vasculhar um dicionário de 64 MB é trabalho caro. O plano gratuito aceita 25 MB por arquivo enviado, e o archive é recusado antes da extração se a própria listagem declarar uma expansão acima de 2 GB.

Um depósito é julgado em parte pela documentação, e este é o momento de escrevê-la. Anote o nome do arquivo RAR original, seu tamanho, seu checksum e a data, e registre que o conteúdo foi reempacotado como `.tar.xz` sem alteração. Esse parágrafo é o que conta a um leitor futuro — ou a você mesmo no futuro — que uma diferença entre uma entrada de catálogo e o arquivo em disco é um reempacotamento, não uma substituição.

Depois verifique antes de apagar qualquer coisa. `tar tJf` no resultado, comparado entrada por entrada com a listagem do RAR: mesma contagem, mesmos caminhos, mesmos tamanhos. Este é um reempacotamento sem perdas, então uma divergência nunca é dado danificado, é uma surpresa estrutural, e é no nível superior que ela vai aparecer. Uma vez que as listagens concordam e o manifesto de hashes está escrito ao lado do archive, o RAR não tem mais nada a fazer, e a dependência proprietária saiu da coleção.