Converter ZIP para BZ2

Poucas pessoas escolhem bzip2 hoje. A maioria herda: um script de build de uma década atrás encadeia com bunzip2, um conjunto de dados de pesquisa é publicado como .tar.bz2 e o arquivo novo precisa ficar ao lado dos antigos, as regras de upload de um espelho nomeiam a extensão. Conformidade é o motivo inteiro.

É um motivo perfeitamente válido e esta página não vai discutir com ele. O que ela vai fazer é garantir que você não está escolhendo bzip2 só por reputação — essa reputação foi conquistada em 1996, e o cenário mudou duas vezes desde então. Se você tem liberdade na escolha, veja a seção sobre XZ mais abaixo antes de converter qualquer coisa.

BZ2 não tem como registrar um nome de arquivo, muito menos uma árvore de pastas. Não é uma limitação da implementação; é o que o formato é — um compressor, aplicado a uma coisa.

Então a conversão não pode ser um reempacotamento direto. O ZIP é descompactado, seu conteúdo é escrito num TAR carregando todo nome e todo caminho, e o bzip2 é aplicado a esse tarball único. Quem extrair recupera a árvore de diretórios exatamente como era, em duas camadas que a maioria das ferramentas Unix desempacota com um comando só.

O bzip2 não usa janela deslizante como o DEFLATE. Ele lê um bloco de até 900 KB, aplica uma transformação Burrows-Wheeler que ordena rotações do bloco para que contextos parecidos fiquem adjacentes, e comprime o resultado. O bloco inteiro é o contexto.

É por isso que ele vence o gzip em texto grande e repetitivo — log, XML, exportação CSV, árvore de código-fonte — e por que a vantagem some num ZIP cheio de JPEG ou MP4. Dado já comprimido não tem estrutura restante para ordenar, então a transformação é cara de rodar e não retorna nada. Antes de converter, vale olhar o que o ZIP de fato contém.

Ordenar não é grátis, e bzip2 é o mais lento dos três compressores Unix tanto ao empacotar quanto, mais surpreendentemente, ao desempacotar. Todo bloco precisa ser desordenado para ser lido, o que é trabalho de verdade em vez de uma cópia de fluxo.

Nos 25 MB que o plano gratuito aceita, nada disso é perceptível. Isso vira decisivo em escala de gigabytes, exatamente a escala em que o conselho antigo de preferir bzip2 se formou.

Formatos neste site carregam um status, e BZ2 é o único formato de arquivo compactado aqui marcado como legado em vez de atual. É um julgamento sobre onde ele fica hoje, não sobre se funciona: bzip2 é estável, onipresente em Unix, ativamente empacotado e perfeitamente seguro de usar num arquivo que chegou até você hoje.

É legado porque os dois vizinhos são melhores no que ele foi escolhido para fazer: XZ comprime mais forte com dicionário de até 64 MB e descomprime mais rápido que bzip2; gzip é mais rápido que os dois e instalado em toda parte.

Um fluxo gzip pode carregar o nome original e o timestamp do que comprimiu. Um fluxo bzip2 não carrega nenhum dos dois — é byte entrando, byte comprimido saindo, com um cabeçalho que só diz o tamanho dos blocos.

Isso significa que o nome de arquivo que você mantém é o único rótulo que o pacote tem de fora, então um .bz2 renomeado descuidadamente fica genuinamente ambíguo sobre se guarda um tarball ou um arquivo único comprimido. Nomear o download como algo.tar.bz2 em vez de algo.bz2 não é frescura aqui — é a única informação disponível.

bzip2 comprime cada bloco por conta própria, o que tem duas consequências úteis. Dano fica contido: um bloco corrompido custa esse bloco em vez de tudo depois dele, e existem ferramentas de recuperação que extraem os blocos intactos de um arquivo danificado.

Independência também é o motivo de implementações paralelas existirem e funcionarem bem — os blocos podem ser entregues a núcleos diferentes sem coordenação. Se durabilidade importa mais que taxa de compressão para você, isso é um argumento real a favor do bzip2.

Esta conversão roda no nosso servidor, não na página. O pacote é enviado por conexão criptografada, o 7-Zip descompacta, o conteúdo é empacotado em TAR, bzip2 é aplicado ao tarball, e o resultado volta a você. Tudo escrito durante a tarefa é apagado quando ela termina.

As regras que vêm junto: 25 MB por arquivo grátis, sessenta segundos antes de uma tarefa ser encerrada, e recusa total para um arquivo que declara expandir além de 2 GB. ZIPs protegidos por senha falham com uma mensagem em vez de travar.

Se o pacote vai para uma pessoa, pare aqui. O Explorador do Windows e o Finder do macOS abrem ZIP sem nada instalado, e nenhum dos dois faz ideia do que é um .tar.bz2; o destinatário precisaria de bzip2 ou um descompactador de terceiros, e depois um segundo passo para o tar interno. Converter para alguém que não pediu bzip2 especificamente transforma um duplo clique numa conversa de suporte.

O mesmo vale para a maioria dos formulários de upload web, plataformas de curso e sistemas de chamados, que aceitam ZIP e recusam silenciosamente qualquer outra coisa. Recorra a este par só quando uma máquina do outro lado pede bzip2 pelo nome, ou quando os arquivos existentes de um conjunto de dados já carregam essa extensão.

O download chega com o nome original e a extensão .bz2, então registros.zip volta como registros.bz2 mesmo os bytes sendo um tarball embrulhado em bzip2. Como o formato não guarda nome próprio, renomear para registros.tar.bz2 é genuinamente funcional, não estético.

O desempacotamento roda nos mesmos dois estágios. tar -xjf lida com as duas camadas num comando só em qualquer máquina Unix, enquanto um descompactador gráfico no Windows costuma descomprimir a camada bzip2 primeiro e mostrar um único .tar para abrir em seguida — funcionamento normal, não sinal de arquivo quebrado.