Kompresja i archiwizacja plików

Choć w mowie potocznej mówi się „spakować plik", chodzi tu o dwie różne czynności, które programy wykonują zwykle razem.

Archiwizacja to połączenie wielu plików i katalogów w jeden plik. Ułatwia przesyłanie i porządkowanie – zamiast wysyłać 200 zdjęć, wysyła się jeden plik. Sama w sobie nie musi niczego zmniejszać.

Kompresja to zmniejszenie rozmiaru przez usunięcie nadmiarowości – czym się różni stratna od bezstratnej i od czego zależy stopień kompresji, wyjaśnia hasło o kompresji stratnej i bezstratnej. Tutaj chodzi o samo archiwum; wystarczy zapamiętać, że pakuje ono bezstratnie, bo po rozpakowaniu pliki muszą być identyczne z oryginałami.

Najpopularniejsze formaty to ZIP, obsługiwany bez dodatkowych programów przez Windows, macOS i Linux, oraz RAR i 7z, które osiągają zwykle lepsze upakowanie, ale wymagają osobnej aplikacji.

Trzy zasady wystarczą, żeby nie pomylić się w zadaniu o archiwach:

• Archiwum to jeden plik, w którym siedzi wiele plików razem ze strukturą katalogów. Program pakujący zapisuje nie tylko zawartość, ale i to, w którym podkatalogu każdy plik leżał, więc po rozpakowaniu drzewo katalogów odtwarza się samo.
• Pakowanie i kompresja to dwie osobne rzeczy, które zwykle idą razem. Program sklejający pliki nie musi ich zmniejszać (TAR tego nie robi), a program zmniejszający pojedynczy plik nie musi umieć sklejać (GZ tego nie robi). ZIP, RAR i 7z robią jedno i drugie naraz, więc łatwo uznać, że to jedna czynność.
• Spakowanie nie jest zabezpieczeniem. Archiwum bez hasła otworzy każdy, kto je dostanie. Poufność daje dopiero hasło szyfrujące zawartość – funkcja dodatkowa, którą trzeba świadomie włączyć.

Program pakujący czyta wskazane pliki i katalogi po kolei i zapisuje je do wspólnego pliku wynikowego. Do każdego dokłada wpis w spisie zawartości: nazwę, ścieżkę względną, rozmiar przed spakowaniem i po nim oraz sumę kontrolną. Ten spis to powód, dla którego menedżer archiwów pokazuje zawartość ZIP-a jak zwykły katalog i potrafi wyjąć z niego jeden plik, nie rozpakowując reszty.

Poza samym pakowaniem archiwa oferują kilka funkcji, o które matura pyta najczęściej:

• hasło i szyfrowanie zawartości – bez podania hasła plików nie da się odczytać
• podział na części – jedno duże archiwum zapisane jako kilka mniejszych plików
• archiwum samorozpakowujące – plik wykonywalny, który rozpakuje się bez dodatkowego programu
• suma kontrolna – pozwala wykryć, że archiwum uszkodziło się w transporcie

Hasło bywa zakładane na dwóch poziomach. W starszych archiwach szyfrowana jest tylko zawartość plików – spis nazw widać bez hasła, więc obcy wie, co dostał, choć nie może tego otworzyć; nowsze formaty szyfrują także spis. Samo hasło to zastosowanie szyfrowania, a nie osobny mechanizm: siła zabezpieczenia zależy od algorytmu i długości hasła.

Dzielenie na części przydaje się, gdy gotowe archiwum nie mieści się tam, gdzie ma trafić: na nośniku o określonej pojemności albo w limicie załącznika pocztowego. Program tnie wynik na ponumerowane pliki zadanej wielkości, a do rozpakowania potrzebne są wszystkie części.

Archiwum samorozpakowujące to archiwum sklejone z małym programem rozpakowującym, więc całość ma rozszerzenie pliku wykonywalnego. Odbiorca nie musi mieć programu do danego formatu, ale dostaje program do uruchomienia zamiast zwykłych danych – taki plik bywa blokowany przez pocztę i działa tylko w systemie, dla którego powstał.

Wreszcie rozmiar wyniku zależy od tego, co pakujemy: dokumenty tekstowe kurczą się mocno, a zdjęcia JPG i muzyka MP3 prawie wcale, bo są skompresowane już przy zapisie.

„Spakowałem, więc jest bezpieczne". Archiwum bez hasła to zwykły plik – każdy, kto go dostanie, otworzy go dwuklikiem i zobaczy wszystko, co w środku. Pakowanie porządkuje i zmniejsza, nie ukrywa. Ten błąd sprawdzają wprost dwa klucze CKE cytowane niżej: w obu „archiwizacja" jest odpowiedzią do odrzucenia przy pytaniu o poufność. Poufność daje szyfrowanie – w archiwum realizowane przez hasło, które trzeba świadomie ustawić przy pakowaniu.

Archiwum wzięte za kopię zapasową. Spakowanie katalogu i zostawienie ZIP-a obok oryginału niczego nie zabezpiecza: awaria dysku, szkodnik szyfrujący dane albo kradzież laptopa zabiorą archiwum razem z oryginałem. Kopia zapasowa to procedura, w której liczy się inne miejsce przechowywania i regularność, a archiwum jest w niej co najwyżej wygodnym opakowaniem – zasady opisuje hasło o kopiach zapasowych.

Oczekiwanie dużego zysku przy pakowaniu plików już skompresowanych. Katalog ze zdjęciami JPG, muzyką MP3 czy filmami po spakowaniu ma niemal ten sam rozmiar co przed – bywa nawet minimalnie większy, bo doszedł spis zawartości. To nie jest wina programu: te pliki zostały skompresowane już przy zapisie, więc nadmiarowości do usunięcia w nich nie ma. Pakuje się je dla porządku i dla jednego załącznika, nie dla miejsca.

• Archiwum to jeden plik zawierający wiele plików i katalogów razem z ich strukturą – po rozpakowaniu drzewo katalogów odtwarza się samo.
• Archiwizacja i kompresja to dwie różne czynności: TAR skleja bez zmniejszania, GZ zmniejsza jeden plik bez sklejania, a ZIP, RAR i 7z robią jedno i drugie naraz.
• Spakowanie nie chroni poufności – dopiero ustawione hasło szyfruje zawartość; w kluczach CKE archiwizacja jest przy pytaniach o poufność odpowiedzią błędną.
• Archiwum obok oryginału nie jest kopią zapasową, bo ginie razem z nim; kopia wymaga innego miejsca przechowywania.
• Podział na części mieści archiwum w limicie nośnika lub poczty i wymaga kompletu części, a archiwum samorozpakowujące rozpakuje się bez dodatkowej aplikacji.

Zagadnienia z tego samego obszaru matury – warto je powtórzyć razem: