O que é um arquivo ZIM?
Arquivos com extensão .zim são arquivos criados para armazenar o conteúdo do Wiki offline. É considerado o formato de arquivo aberto mais adequado para armazenar a Wikipedia em um USB. Ele armazena o conteúdo do site em um formato compacto. Seu nome vem de “Zeno IMproved”, que era o formato de arquivo Zeno anterior. O ZIM é mantido pelo projeto openZIM que é patrocinado pela Wikimedia CH e apoiado pela Wikimedia Foundation. Os arquivos ZIM podem ser abertos por aplicativos como Kiwix e ZIMReader. O projeto OpenZIM hospedou a implementação do formato de arquivo ZIM no Github para contribuição da comunidade OpenSource.
Especificações de formato de arquivo ZIM
O formato de arquivo ZIM foi desenvolvido em cima do formato de arquivo Zeno e não é compatível com versões anteriores. As especificações de formato do formato de arquivo ZIM estão disponíveis online por openZIM para referência do desenvolvedor. OpenZIM forneceu implementação de código aberto C++, LibZim, para leitura e gravação de arquivos ZIM.
O formato de arquivo ZIM usa a compactação LZMA2 para tornar o conteúdo compacto.
Cabeçalho ZIM
Um arquivo ZIM começa com um cabeçalho que está no deslocamento 0. Todos os constituintes são baseados em little-endian e todos os inteiros são inteiros sem sinal, ou seja, uint_16, uint_32, uint_64.
| Nome do campo | Tipo | Deslocamento | Comprimento | Descrição |
|---|---|---|---|---|
| magicNúmero | inteiro | 0 | 4 | Número mágico para reconhecer o formato do arquivo, deve ser 72173914 (0x44D495A) |
| majorVersion | inteiro | 4 | 2 | Versão principal do formato de arquivo ZIM (5 ou 6) |
| menorVersão | inteiro | 6 | 2 | Versão secundária do formato de arquivo ZIM |
| uuid | inteiro | 8 | 16 | id exclusivo deste arquivo zim |
| Contagem de artigos | inteiro | 24 | 4 | número total de artigos |
| Contagem de clusters | inteiro | 28 | 4 | número total de clusters |
| urlPtrPos | inteiro | 32 | 8 | posição da lista de ponteiros de diretório ordenada por URL |
| titlePtrPos | inteiro | 40 | 8 | posição da lista de ponteiros de diretório ordenada por Title |
| clusterPtrPos | inteiro | 48 | 8 | posição da lista de ponteiros de cluster |
| mimeListPos | inteiro | 56 | 8 | posição da lista de tipos MIME (também tamanho do cabeçalho) |
| Página principal | inteiro | 64 | 4 | página principal ou 0xffffffff se não houver página principal |
| página de layout | inteiro | 68 | 4 | página de layout ou 0xffffffffff se não houver página de layout |
| checksumPos | inteiro | 72 | 8 | ponteiro para o md5checksum deste arquivo sem o próprio checksum. Isso aponta sempre 16 bytes antes do final do arquivo. |
