Converter ZIP para XZ

Tempo de compressão é pago por uma máquina, uma vez. Transferência é paga por todo mundo que baixa o arquivo, toda vez, e num bucket cobrado por uso ou numa CDN é paga em dinheiro além de segundos. Essa assimetria é o argumento inteiro a favor do XZ, e é por isso que o resumo desse formato no nosso registro o chama de padrão para downloads de código-fonte e pacote.

Também diz exatamente quando não vale a pena. Um arquivo que um colega vai abrir uma vez não tem economia para otimizar: os segundos gastos empacotando são os únicos segundos envolvidos na vida inteira do arquivo, e o gzip já teria terminado. Use XZ quando o arquivo tem audiência, um espelho, uma conta de CDN ou uma vida útil longa, e deixe quieto quando o arquivo tem um destinatário só.

O XZ é um compressor, não um arquivador. O registro o classifica como formato de fluxo com um membro e sinaliza a ausência de estrutura de pasta como problema conhecido — não há lugar num arquivo `.xz` para um nome, um caminho ou um bit de permissão morar.

O conteúdo do seu ZIP é, portanto, disposto num TAR, que carrega tudo isso, e o XZ comprime o tarball como um objeto único. Não é uma solução alternativa inventada para este conversor; é o arranjo que o ecossistema Unix inteiro usa, e é por isso que a extensão que você vê em todo lançamento de código-fonte é `.tar.xz` em vez de um `.xz` puro.

O número é a história inteira. O DEFLATE, que tanto o ZIP quanto o gzip usam, codifica uma repetição como referência a algo dentro dos últimos 32 KB. O LZMA2 no XZ consegue referenciar algo até 64 MB atrás — duas mil vezes a distância — e codifica essas referências com um custo em bits menor que os códigos de Huffman do DEFLATE.

Onde isso aparece é em qualquer arquivo cuja repetição está espalhada: uma árvore de código-fonte onde o mesmo cabeçalho de licença abre duzentos arquivos, um conjunto de exportações CSV parecidas, uma pasta de documentos construídos a partir de um modelo. Onde aparece menos é num ZIP de fotografias ou vídeo, porque o conteúdo já foi comprimido antes de ser arquivado.

Um dicionário grande não é grátis do outro lado. O descompressor precisa manter essa janela em memória para resolver referências a ela, então a memória necessária para desempacotar acompanha aproximadamente o dicionário com que o arquivo foi empacotado, não o tamanho do arquivo em si.

Em qualquer desktop ou servidor isso é irrelevante. Deixa de ser irrelevante em hardware pequeno — um roteador, uma placa classe microcontrolador, um agente de build limitado — que é o único lugar onde a janela modesta de 32 KB do gzip é uma vantagem em vez de uma limitação. Se você sabe que seu arquivo vai para algo pequeno, publique um `.tar.gz` junto.

Compartilham uma família de compressão, e o registro dá aos dois um dicionário de até 64 MB, então em taxa de compressão há pouco a escolher. A diferença é o que envolve o dado comprimido. O 7Z é um contêiner com o próprio diretório de entradas, própria criptografia e próprios checksums. O XZ é um compressor embrulhado ao redor de um fluxo.

Para distribuição, o fluxo vence na convenção: toda máquina Linux e macOS tem `tar` e `xz`, e quase nenhuma tem 7-Zip instalado por padrão. Para um arquivo que você está guardando e navegando em vez de publicando, o 7Z tem a forma melhor porque dá para listar e puxar um arquivo sem desembrulhar duas camadas.

Os dois formatos se verificam. Um ZIP guarda um CRC por entrada, então um membro danificado é pego na extração. O XZ carrega uma checagem sobre o fluxo comprimido — CRC-32, CRC-64 ou SHA-256 dependendo de como foi escrito — e recusa entregar dado que não bate.

O que muda é a granularidade. Num ZIP a checagem é por arquivo, então uma entrada ruim é um arquivo ruim. Num `.xz` a checagem cobre o fluxo inteiro, então o dano é reportado para o arquivo como um todo, e o tar dentro pode ficar irrecuperável além do dano.

Um fluxo gzip consegue registrar o nome original; um fluxo XZ não registra nada disso. É compressão com um cabeçalho descrevendo a checagem e os filtros, e nenhum lugar para um nome ou horário.

Isso coloca o peso inteiro de descrever o arquivo no que você o chama. Downloads aqui pegam seu nome-base original mais a extensão de destino, então `versao-1.4.zip` volta como `versao-1.4.xz`; renomear para `versao-1.4.tar.xz` antes de publicar é a diferença entre um download que as pessoas reconhecem e um que precisam investigar.

A conversão roda no nosso conversor em vez de no seu navegador, então o ZIP é enviado por conexão criptografada, desempacotado com 7-Zip, entarrado, comprimido com xz e devolvido. Upload, intermediários e saída são apagados quando o trabalho termina.

As consequências são o limite de 25 MB por arquivo do plano gratuito, um teto de sessenta segundos por trabalho, e recusa de qualquer arquivo declarando mais de 2 GB de conteúdo desempacotado. Se o arquivo é genuinamente sensível, o xz-utils e o 7-Zip fazem isso offline na sua própria máquina.

Projetos que acertam isso enviam dois arquivos. O `.tar.xz` é para quem vai desempacotar num shell ou script, onde o download menor é banda real e a ferramenta já está instalada desde que o sistema operacional existe. O ZIP fica para todo mundo no Windows que quer dar duplo clique, olhar dentro, e nunca pensar em algoritmo de compressão.

Não é indecisão; são dois públicos com restrições genuinamente diferentes, e um arquivo só não consegue servir os dois sem penalizar um deles. Se você só envia um artefato, envie o que seus baixadores reais conseguem abrir.