Archivos ZIP

¿Qué es un archivo .ZIP?

Por lo general, un archivo ZIP es un archivo ZIP: un contenedor que contiene uno o más miembros, que son archivos/directorios, con un índice de sus miembros, la posibilidad de comprimir los datos de los miembros, la posibilidad de calcular una suma de comprobación CRC-32 para un solo elemento o para toda la colección de datos de los miembros dentro de un único flujo, la información de las horas de modificación de cada uno de los miembros con marcas de fecha y hora para las operaciones de creación, actualización, acceso y archivado de archivos, una función opcional de comentarios y un posible cifrado. La idea fue desarrollada por Phil Katz en el contexto de la creación de la herramienta PKZIP para comprimir archivos mediante un determinado esquema propietario. Se convirtió en un formato abierto después del desarrollo de la utilidad ZIP, pero sigue siendo compatible con las especificaciones estándar de APPNOTE de PKWARE.

Los archivos ZIP tienen la mayor popularidad debido a la descarga de contenido, los archivos adjuntos de mensajes enviados a través de canales de comunicación por internet y otras razones, incluida la distribución de un programa o documentos, y la realización de copias de seguridad en alguna forma de archivo. Hay varios otros formatos populares que se basan en ZIP pero usan sus propias extensiones, como los archivos JAR con el archivo obligatorio META-INF/MANIFEST.MF en su interior, los formatos Microsoft OpenXML, con un archivo especial [Content_Types].xml, los paquetes OpenDocument que comienzan con una entrada mimetype sin comprimir, y los paquetes de aplicaciones Android que poseen archivos DEX además del obligatorio AndroidManifest.xml. Los SFX no son ZIP reales, sino archivos ejecutables. Su marcador principal es la firma MZ al principio, a diferencia de un ZIP real, pero no PK.

Cómo abrir un archivo .ZIP

Detalles técnicos

ZIP no es un formato de texto, sino binario. Un ZIP normal empieza con un encabezado de archivo local para cada miembro individual, y luego continúa con los datos de ese miembro, comprimidos o almacenados. Los descriptores de datos se añaden justo después de algunos miembros si su CRC-32 o su tamaño comprimido/no comprimido no se conocían al generar los encabezados. Un directorio central, que resume todas las entradas, aparece después, junto con un registro EOCD situado hacia el final del archivo. Si es un ZIP dividido, PKWARE especifica un marcador de segmento dividido al principio de cada segmento.

Las firmas canónicas en los archivos ZIP son las siguientes: LFH - 50 4B 03 04 (normalmente, en un desplazamiento absoluto 0 en ZIP no vacíos), CH - 50 4B 01 02, EOCD - 50 4B 05 06. Un ZIP autoejecutable puede tener un llamado stub MZ justo delante de la firma inicial, así que los bytes mágicos no siempre estarán en un desplazamiento cero. Una entrada tiene campos como CRC-32, tamaño comprimido/no comprimido, fecha/hora de modificación, método (el ID de la compresión), flags de propósito general, nombre del archivo, posibles campos extra y, opcionalmente, comentarios. Cero en el campo del valor del método significa almacenamiento y sin compresión, y un ID de método de 8 significa Deflate. Sin embargo, pueden aparecer métodos definidos por PKZIP Application Note 6.3.10 (como BZIP2, LZMA, XZ, PPMd y Zstandard); aun así, dependen por completo de la compatibilidad de un lector. El límite heredado tradicional para archivos y archivos zip era de 4 GiB, y para entradas de 65,535. ZIP64 amplió estos límites usando enteros de 64 bits.

Las versiones antiguas de ZIP siempre usaban nombres de archivo codificados en code page 437 (IBM PC). Los caracteres no ASCII en los nombres de archivo se mostrarán incorrectamente en herramientas antiguas, a menos que se hayan marcado como codificados en utf-8 (bit de codificación de idioma del campo de flags de propósito general). ZIP Encryption puede ir desde el débil, obsoleto e inseguro ZipCrypto hasta la implementación de AES de WinZip o Pkware, ubicada en los campos extra de los encabezados.

El tipo MIME registrado es application/zip. Los formatos de archivo derivados basados en el formato también usan sus tipos MIME específicos, como application/java-archive para JAR, distintos paquetes de office para OOXML y OpenDocument correctos. Un conjunto habitual de contenidos en archivos ZIP va desde pequeños sources hasta enormes conjuntos de copias de seguridad, y a veces los contenidos, por lo general ya comprimidos (JPEG, MP4, PDF), solo se hacen más pequeños en el archivo de forma nominal.

Cómo convertir archivos .ZIP

El proceso práctico que dará como resultado una conversión exitosa sin ninguna pérdida ni corrupción del contenido y del formato se puede realizar extrayendo el contenido del paquete desde el archivo zip. Solo tienes que escribir: unzip input.zip -d output_folder,Copy o hacer la extracción usando utilidades gráficas (File Explorer en Windows, Archive Utility y File Roller, respectivamente). Al conservar los archivos y sus directorios, el archivo ZIP se descompondrá en sus componentes iniciales.

Al convertir paquetes de distribución de software a .tar.gz, necesitas descomprimirlos en directorios usando la siguiente línea de comandos y luego volver a empaquetar esos directorios en un archivo tar: unzip -q input.zip -d outCopy && tar -czf output.tar.gz -C out . Cuando pases a la estructura de un archivo tar, espera algunas alteraciones en el almacenamiento de metadatos, la compresión y el orden de empaquetado. Lo mismo aplica a la creación de un archivo .7z con 7-Zip archiver: 7z x input.zip -oout && 7z a output.7z out/*. Con el algoritmo LZMA2 (y por lo tanto la relación de compresión probablemente aumentará un poco), los destinatarios del paquete también deberán poder desarchivar archivos 7-zip, por ejemplo, usando el software 7-Zip.

Usar Rar como formato de salida solo será razonable en situaciones en las que se necesiten registros de recuperación, archivos rar sólidos y multipartes. El proceso de crear un Rar presupone la existencia del software WinRAR o de una alternativa suya que tenga licencia para crear archivos RAR. Para crear una imagen .iso será necesario realizar el procedimiento de extracción descrito arriba y luego crear el archivo iso con genisoimage, con software compatible con mkisofs o, en macOS, con hdiutil. Si vas a cambiar el nombre del archivo a uno de .docx, .xlsx, etc., no olvides comprobar primero su [Content_Types].xml y otros archivos marcadores.

Problemas comunes y soluciones

La firma "End-of-central-directory signature not found" por lo general significa que el archivo no es un archivo ZIP, o es una versión truncada, o solo una parte del archivo dividido. Comprueba el tamaño del archivo frente al original y asegúrate de que los primeros bytes empiecen con 50 4B 03 04 para un archivo zip normal y con 50 4B 07 08 para un fragmento dividido; luego prueba a descargarlo de nuevo si su tamaño es significativamente menor.

En el caso de 7-Zip, el error "Cannot open file as archive" sugiere un archivo dañado o un algoritmo de compresión/cifrado incompatible, un problema con el stub autoextraíble o una incompatibilidad de la extensión del archivo. Usa 7z t input.zip para analizar la integridad de tu archivo; se detectarán los problemas de estructura, pero puede que no los relacionados con la extracción; "Unexpected end of archive" y "CRC failed" son indicios típicos de que el CRC-32 almacenado por el programa zip difiere del calculado sobre los datos extraídos; esto puede atribuirse a una descarga parcial/una descarga usando modo de transferencia de texto/un área defectuosa de almacenamiento magnético; en ese caso debes reemplazar el archivo por otra copia válida.

En algunas situaciones, Windows File Explorer se niega a trabajar con archivos ZIP y afirma que "The Compressed (zipped) Folder is invalid". Tienes que recurrir a otras formas: usa 7-Zip o WinRAR. Los archivos divididos deben contener todos los fragmentos en el mismo directorio y tener nombres como estos: .z01, .z02, y el archivo completo siendo .zip; intentar abrir la parte .zip puede no dar buenos resultados.

Las herramientas integradas a menudo no pueden manejar solicitudes de contraseña. Por ejemplo, un archivo ZIP cifrado con el algoritmo AES no permitirá a nadie extraer su contenido sin la contraseña, aunque normalmente los nombres de archivo sigan visibles. El mojibake en los nombres de archivo se atribuye con mayor frecuencia al uso de una página de código heredada (que no permite la decodificación utf-8); entonces conviene usar software en el que el usuario pueda elegir manualmente la codificación. Los "ZIP-files" en los que se encuentren clases xml/java o recursos de Android pueden ser JAR u otro formato similar (EPUB/Office).

Consideraciones de seguridad

Los archivos Zip en realidad son contenedores que contienen archivos comprimidos; pueden incluir ejecutables, scripts, archivos de Microsoft Office que tengan macros, archivos de instalación, archivos de creación de imágenes de disco o archivos de acceso directo. En particular, un archivo Zip autoextraíble en realidad es un archivo stub ejecutable que normalmente se representa mediante el programa portable-executable (PE) con un encabezado MZ, lo que implica todos los riesgos típicos que plantea un .EXE, como la posible presencia de malware incrustado, así que confirma siempre las firmas de los editores del software. Una bomba Zip o un ZIP profundamente anidado puede hacer que un archivo pequeño descargado se expanda y se convierta en muchos archivos o en grandes demandas de almacenamiento; por eso es importante previsualizar los tamaños esperados, así como extraer estos archivos de archivo bajo una cuota restringida. La traversía de rutas o zip slip aprovecha convenciones de nomenclatura de rutas como ../ target name o nombres de ruta completos al intentar colocar archivos fuera de la carpeta de destino de extracción.

Historia y versiones

Originando del diseño de PKZIP de PKWARE en 1989 el término "zip" se refiere a la velocidad ya que PKZIP proporcionó una mejor compresión y descompresión en comparación con otros formatos de archivos competidores en las PCs. Lanzado en los años 90, Info-ZIP lanzó sus binarios de código abierto zip/unzip. Con PKZIP 2.0, que PKWARE lanzó en 1993, el algoritmo Deflate se convirtió en la norma de compatibilidad. Introducido como un formato de archivo de archivado de Java en 1997, más tarde el formato ZIP ha sido adoptado por muchos formatos de contenedores diferentes así como para un acceso aleatorio conveniente y la compresión de archivos. La eliminación de límites como tener el tamaño máximo de archivo de 4 GiB y el límite de 65K del número total de archivos se hizo a través de los cambios en el formato ZIP64. PKWARE emite el formato APPNOTE oficial, y la norma ISO/IEC 21320-1:2015 define un subconjunto interoperable. El soporte integrado llegó con Windows Me, Windows XP, OS X y los escritorios Linux modernos, y hoy es popular su uso en OOXML, JAR, EPUB, APK y muchos otros formatos hoy en día.

Formatos relacionados

Los archivos 7z normalmente ofrecen una mayor eficiencia de compresión en comparación con ZIP, dado que 7-Zip usa LZMA y LZMA2, y puede aplicar cifrado basado en AES. Pero, a diferencia de ZIP, el formato 7z no cuenta con mucho soporte del sistema operativo nativo. Los formatos que ofrece RAR incluyen una gran capacidad de compresión de datos, funciones de registro de recuperación y números de parte, donde el archivo tiene la estructura part1.rar, etc. Crear archivos RAR requiere WinRAR, lo que hace que ZIP sea un método mucho más sencillo para crear un archivo comprimido. En Unix, existe el popular formato .tar, .tar.gz, .tgz: tar conserva los datos de Unix y la jerarquía de directorios; el uso de gzip comprime toda la secuencia en una forma que no ofrece la posibilidad de acceso aleatorio a un miembro individual de la secuencia, a diferencia del formato de archivo ZIP. En general, los formatos gz y bz2 comprimen una sola secuencia, lo que significa que tar suele usarse con ellos. .cab existe en instalaciones de Microsoft y otros elementos de Windows. Los paquetes basados en ZIP incluyen .jar, .docx, .xlsx, .pptx y .apk.