1. Agrupar arquivos não é o mesmo que reduzir seu tamanho
Um ZIP com várias fotos de viagem pode ter quase o mesmo tamanho dos originais ou até ficar um pouco maior. Isso, por si só, não indica defeito no programa. ZIP é um formato que reúne arquivos, nomes, caminhos de pastas e outras informações num único arquivo de armazenamento. Cada item pode ser comprimido ou incluído sem compressão. Entregar um só arquivo e diminuir os bytes armazenados são objetivos que às vezes se realizam juntos, mas são funções distintas. Mesmo sem redução das fotos, o ZIP ajuda a entregar o conjunto completo.
A especificação ZIP define o armazenamento sem compressão e diversos métodos de compressão. O primeiro costuma ser chamado de Store; DEFLATE é um dos métodos de compressão mais usados. Os itens de um mesmo ZIP podem usar métodos diferentes. Portanto, a extensão .zip não significa que todos foram reduzidos com o mesmo algoritmo. Se o programa mostrar o método e os tamanhos original e armazenado de cada item, consulte esses valores primeiro. Assim você separa o sucesso da criação do arquivo do ganho obtido com a compressão.
2. DEFLATE procura padrões de bytes, não significados
DEFLATE é um formato de compressão sem perdas que combina referências a sequências anteriores de bytes com codificação de Huffman. Num texto com frases repetidas, pode ser mais econômico indicar qual trecho anterior reutilizar e seu comprimento do que registrar cada repetição por inteiro. Atribuir códigos menores a símbolos frequentes também pode reduzir o armazenamento. O formato limita a distância e o comprimento das referências e prevê o registro de bytes sem correspondência. Essa é a ideia central, e não uma afirmação de que apenas frases legíveis podem ser comprimidas.
O compressor não entende os objetos de uma foto nem o sentido de uma frase para apagar o que considera dispensável. Ele converte os bytes em outra representação que permite recuperá-los exatamente. Dados com muita repetição ou oportunidades de codificação eficiente podem diminuir bastante, mas nenhum método sem perdas reduz todas as entradas possíveis. Um nível maior normalmente dedica mais tempo à busca, sem garantir uma porcentagem de economia. Mesmo com formato e nível iguais, a disposição dos dados e a implementação podem alterar o tamanho final.
3. Fotos e vídeos podem já estar comprimidos
Uma foto JPEG comum já passa por compressão durante a codificação. PNG também usa compressão sem perdas, e muitos formatos de vídeo e áudio contêm dados previamente comprimidos. Ao colocá-los em ZIP, o alvo são os bytes do arquivo existente, sem recomeçar pelos pixels da imagem. Se a etapa anterior já aproveitou boa parte das repetições e regularidades estatísticas, um compressor genérico pode encontrar pouca economia adicional. Por isso uma pasta de fotos não deve ser comparada à de documentos de texto simples como se a redução fosse igual.
Isso não significa que nenhum JPEG ou PNG possa perder sequer um byte adicional. Os metadados, o codificador e as características internas podem deixar margem. A recompressão pode ajudar quando ainda restam padrões em dados já comprimidos. A decisão deve considerar os tamanhos reais de entrada e saída, não só a extensão. Alguns documentos, como DOCX, usam estruturas ZIP internamente; serem documentos não permite esperar o mesmo comportamento do texto simples.
4. O arquivo pode crescer sem mudar o conteúdo
Além do conteúdo, ZIP precisa registrar nomes, métodos, tamanhos, valores de verificação e estruturas que localizam a lista de arquivos. Recursos opcionais e escolhas de gravação podem acrescentar informações. Esses metadados são o custo do formato para distinguir e recuperar os itens. Mesmo que os dados diminuam um pouco, o ZIP pode superar a soma dos originais se esse custo for maior que a economia. Para arquivos minúsculos, nomes e registros ocupam uma proporção especialmente grande. Também não existe um número fixo universal de bytes a adicionar a todo ZIP.
O DEFLATE convencional por arquivo também não compartilha automaticamente todas as frases repetidas entre documentos. Como os itens são comprimidos de forma independente, não se deve esperar que o primeiro sirva automaticamente de dicionário de compressão para o segundo. Isso difere de métodos que agrupam arquivos e comprimem o conjunto de forma contínua. Store pode reduzir o trabalho de compressão, mas não elimina os nomes ou a lista do ZIP. Também é incorreto dizer que seu resultado será sempre exatamente a soma dos tamanhos de entrada.
5. Compressão sem perdas, recodificação e criptografia
A compressão sem perdas busca restaurar exatamente os bytes incluídos quando a compressão e a extração funcionam corretamente. Colocar um JPEG em ZIP não reduz, por si só, sua qualidade JPEG nem suas dimensões em pixels. Redimensionar a imagem ou alterar a compressão com perdas é outra conversão: pode diminuir o tamanho mudando o conteúdo ou sua representação. Se uma ferramenta combina otimização de fotos com criação de ZIP, confira o que ela muda antes do armazenamento e guarde os originais separadamente.
Criar um ZIP também não significa criptografá-lo. Num ZIP comum, CRC-32 ajuda a detectar danos na transferência ou no armazenamento, mas não é uma assinatura digital que prova a autoria. Tampouco autentica de maneira confiável conteúdo modificado por um atacante. Passar na verificação de extração não comprova a identidade do remetente nem a segurança do arquivo. Por outro lado, um aumento de tamanho não demonstra corrupção. Economia de espaço, restauração dos bytes, confidencialidade e confirmação da origem são questões diferentes.
6. Compare as mesmas entradas e confira o que foi extraído
Para comparar, crie um ZIP com Store e outro com DEFLATE usando o mesmo conjunto. Use unidades iguais e compare a soma dos bytes dos originais com o tamanho final de cada ZIP. Misturar espaço ocupado em disco, dependente das unidades de alocação, com o comprimento do conteúdo pode levar a erro. Comparar separadamente texto repetitivo e fotos já comprimidas ajuda a perceber o efeito das características dos dados. É um procedimento para experimentar; este artigo não apresenta porcentagens de redução nem velocidades medidas de um programa específico.
Antes do envio, extraia o ZIP em outra pasta e confira quantidade, caminhos e abertura dos arquivos necessários. Se a preservação exata dos bytes importa, compare também com um original confiável. Quando as fotos excedem um limite, é mais útil manter os originais e escolher cópias de entrega menores ou outro método de envio do que envolvê-las repetidamente em ZIPs. A ilustração é um diagrama explicativo original que distingue agrupamento, compressibilidade e verificação após extração. Não é uma captura de programa nem um gráfico de taxas medidas. Confira a economia e se o destinatário consegue usar todos os arquivos.