O que é um arquivo ZIP?

Um arquivo com extensão .zip é um arquivo que pode conter um ou mais arquivos ou diretórios. O arquivo pode ter compressão aplicada aos arquivos incluídos para reduzir o tamanho do arquivo ZIP. O formato de arquivo ZIP foi tornado público em fevereiro de 1989 por Phil Katz para obter arquivamento de arquivos e pastas. O formato fez parte do utilitário PKZIP, criado pela PKWARE, Inc. Logo após a disponibilização de especificações disponíveis, muitas empresas tornaram o formato de arquivo ZIP parte de seus utilitários de software, incluindo Microsoft (desde o Windows 7), Apple (Mac OS X) e muitos outros.

Breve História do Formato de Arquivo ZIP

O histórico do formato de arquivo ZIP remonta ao evento de ação judicial movida pela System Enhancement Associates (SEA) contra o PKWARE por usar seu utilitário ARC sem permissões para sua marca registrada e os direitos autorais da aparência do produto e da interface do usuário. Antes disso, Phil Katz reescreveu o código-fonte da SEA e lançou o PKXARC, um extrator ARC, e o PKARC, um compressor de arquivos, como freeware para sistemas baseados em MS-DOS. Perdendo para o processo, a PKWARE não pôde mais usar nada relacionado ao ARC. Foi aqui que surgiu a criação de uma nova compactação de arquivos, denominada ZIP, que fez parte do utilitário PKZIP na PKWARE, Inc.

Katz lançou as especificações do formato de arquivo ZIP para o domínio público, mantendo os direitos de propriedade sobre seu utilitário de compactação e extração, ou seja, PKZIP. O sistema de compactação ZIP foi (e é) capaz de arquivar arquivos em uma pasta por meio de um algoritmo de verificação de redundância cíclica de 32 bits (CRC) para compactar arquivos tamanhos. Ao contrário do ARC, as pastas .ZIP incluíam um arquivo de diretório que desempenhava o papel de livro de códigos de um criptógrafo, contendo as informações necessárias para renderizar os arquivos compactados.

Métodos de compactação compatíveis em ZIP

De acordo com as especificações do formato de arquivo .ZIP, os seguintes métodos de compactação são suportados.

• Armazenar - não implica compressão
• Encolher
• Redução (Isto implica em fatores de compressão que vão do nível 1 ao nível 4)
• Implodir
• Esvaziar
• Esvaziar 64
• BZIP2
• LZMA (EFS)
• WavPack
• PPMd versão I, Rev 1

DEFLATE é o método de compactação comumente usado, que é um algoritmo de compactação de data sem perdas que usa uma combinação da codificação LZ77 e Huffman e é detalhado em RFC 1951.

Especificações de formato de arquivo ZIP

Os arquivos ZIP têm a capacidade de armazenar vários arquivos usando diferentes técnicas de compactação e, ao mesmo tempo, suportam o armazenamento de um arquivo sem nenhuma compactação. Cada arquivo é armazenado/compactado individualmente, o que ajuda a extraí-los ou adicionar novos, sem aplicar compactação ou descompactação em todo o arquivo.

Formato geral do arquivo ZIP

Cada arquivo Zip é estruturado da seguinte maneira:

O formato de arquivo ZIP usa o algoritmo CRC de 32 bits para fins de arquivamento. Para renderizar os arquivos compactados, um arquivo ZIP contém um diretório em sua extremidade que guarda a entrada dos arquivos contidos e sua localização no arquivo compactado. Ele, assim, desempenha o papel de codificação para encapsular as informações necessárias para renderizar os arquivos compactados. Os leitores ZIP usam o diretório para carregar a lista de arquivos sem ler todo o arquivo ZIP. O formato mantém cópias duplas da estrutura de diretórios para fornecer maior proteção contra perda de dados.

Cada arquivo em um arquivo ZIP é representado como uma entrada individual onde cada entrada consiste em um cabeçalho de arquivo local seguido pelos dados do arquivo compactado. O diretório no final do arquivo contém as referências a todas essas entradas de arquivo. Os leitores de arquivos ZIP devem evitar a leitura dos cabeçalhos dos arquivos locais e todos os tipos de listagem de arquivos devem ser lidos do Diretório. Este diretório é a única fonte de entradas de arquivo válidas no arquivo, pois os arquivos também podem ser anexados no final do arquivo. É por isso que, se um leitor ler os cabeçalhos locais de um arquivo ZIP desde o início, ele poderá ler entradas inválidas (excluídas), assim como aquelas que não fazem parte do diretório que está sendo excluído do arquivo.

A ordem das entradas de arquivo no diretório central não precisa coincidir com a ordem das entradas de arquivo no arquivo.

Entradas de arquivo ZIP

As entradas no arquivo ZIP são organizadas uma após a outra, onde cada entrada consiste em:

• Cabeçalho de arquivo local
• Campos de dados extras opcionais
• Dados do usuário (opcionalmente compactados/opcionalmente criptografados)

O cabeçalho do arquivo local de cada entrada representa informações sobre o arquivo, como comentário, tamanho do arquivo e nome do arquivo. Os campos de dados extras (opcionais) podem acomodar informações para opções de extensibilidade do formato ZIP.

Cabeçalho do arquivo local

O cabeçalho do arquivo local possui uma estrutura de campo específica que consiste em valores de vários bytes. Todos os valores são armazenados em ordem de bytes little-endian, onde o comprimento do campo conta o comprimento em bytes. Todas as estruturas em um arquivo ZIP usam assinaturas de 4 bytes para cada entrada de arquivo. O fim da assinatura do diretório central é 0x06054b50 e pode ser distinguido usando sua própria assinatura exclusiva. A seguir está a ordem das informações armazenadas no cabeçalho do arquivo local.

Cabeçalho do arquivo do diretório central

Fim do registro do diretório central

Referências

• Especificações de formato de arquivo ZIP PKWARE
• Estrutura do arquivo PKZip