ZIP

O ZIP faz duas coisas ao mesmo tempo, e isso explica a confusão em volta dele. Primeiro, ele agrupa: reúne uma pasta com vários arquivos em um só, que guarda a estrutura. Segundo, ele comprime: aplica um método de compressão sem perdas para diminuir o que for possível. O método mais usado é o DEFLATE, embora a especificação do formato também preveja outros, como BZIP2 e LZMA.

O formato foi criado por Phil Katz, da PKWARE, e Gary Conway, e a primeira versão é de 14 de fevereiro de 1989. A PKWARE mantém a especificação (o documento APPNOTE). O Windows e o macOS têm suporte a ZIP no próprio sistema, sem instalar nada: o suporte da Microsoft descreve como compactar e extrair arquivos no Explorador de Arquivos, e o da Apple mostra como comprimir e descomprimir no Mac.

Como funciona

O DEFLATE (RFC 1951) combina o algoritmo LZ77, que troca trechos repetidos por referências a trechos anteriores, e a codificação de Huffman, que atribui códigos curtos aos símbolos mais frequentes e longos aos mais raros.

A compressão é sem perdas: ao extrair, cada byte original volta idêntico. Nada se degrada, por mais vezes que você compacte e descompacte.

O quanto o arquivo diminui depende do conteúdo. Texto puro, código e outros dados com muita repetição costumam diminuir bastante. Nenhum método sem perdas consegue reduzir todos os dados possíveis: alguns arquivos ficam do mesmo tamanho ou até um pouco maiores.

Por que o PDF quase não encolhe

É a pergunta que traz muita gente a esta página. Você compacta um PDF grande, espera uma redução grande, e o ZIP sai com tamanho quase igual. Funcionou, mas havia pouco a fazer.

Muitos PDFs já têm o conteúdo comprimido por dentro. A especificação do PDF prevê o filtro FlateDecode, que usa zlib/deflate, o mesmo método do ZIP, e filtros de imagem como o DCTDecode, baseado no JPEG. Quando o ZIP encontra dados que já passaram por compressão, quase não sobra repetição para aproveitar. A Wikipedia observa que comprimir o mesmo arquivo repetidamente não o reduz indefinidamente, e que a maioria dos algoritmos reconhece quando comprimir mais seria inútil.

O mesmo vale para fotos em JPEG, áudio MP3 e vídeo MP4. Arquivos .docx e .xlsx já são pacotes ZIP (o formato Office Open XML é baseado em ZIP): renomeie um .docx para .zip e abra, e você verá os arquivos XML dentro.

Para diminuir o tamanho de um PDF, o ZIP não é o caminho. O que atua no peso real é reduzir as imagens: no FacilPDF, a ferramenta de comprimir PDF, no nível padrão, recomprime as imagens JPEG embutidas e mantém o texto, enquanto os níveis Leve, Recomendado e Máximo transformam cada página em imagem de menor resolução (e o texto deixa de ser selecionável). Quanto o arquivo cai depende de como ele foi gerado. O tutorial de redução de tamanho mostra o passo a passo.

Quando o ZIP é a ferramenta certa

Para agrupar. Precisa mandar quinze PDFs, três planilhas e uma pasta de fotos em um só anexo? Um ZIP preserva a organização das pastas e vira um arquivo único.

Se os quinze PDFs formam um documento só (capítulos, anexos de um processo, páginas de um contrato), vale pensar antes: unir os PDFs em um arquivo único dispensa a descompactação e deixa tudo na ordem certa para quem recebe.