GZIP : fichier .gz

Le GZIP, spécifié par la RFC 1952 (1996) et enregistré à l’IANA par la RFC 6713, compresse un seul fichier : il ne regroupe pas plusieurs fichiers comme le ZIP. C’est pourquoi il est très fréquemment associé au TAR (qui, lui, regroupe sans compresser) pour former l’extension bien connue “.tar.gz”.

Les deux premiers octets (1F 8B) constituent la seule signature garantie par la spécification stricte. Le troisième octet, presque toujours 08 (indiquant l’algorithme de compression Deflate), est en pratique quasi systématique mais n’est pas, à la lettre, une exigence de la définition de signature, une nuance rarement mentionnée par les listes de magic bytes en ligne.

Le GZIP reste omniprésent dans l’écosystème Unix/Linux et sur le web, où il sert aussi à la compression HTTP des réponses de serveur (Content-Encoding: gzip), indépendamment de tout fichier .gz à proprement parler.

Créé en 1992 pour remplacer le format Z, alors sous la menace de brevets sur l’algorithme LZW, le GZIP repose sur DEFLATE, combinant LZ77 et codage de Huffman, le même algorithme de compression que celui utilisé, sous une forme différente, à l’intérieur du format PNG et du ZIP.

La compression HTTP via Content-Encoding: gzip reste aujourd’hui l’une des optimisations de performance web les plus élémentaires et les plus largement déployées, réduisant souvent de 60 à 80 % la taille d’une réponse texte (HTML, CSS, JavaScript) avant transmission au navigateur.

Git lui-même compresse chaque objet stocké dans son répertoire .git/objects (un commit, un fichier, un arbre de répertoire) avec le même algorithme DEFLATE que celui utilisé à l’intérieur du GZIP, sans toutefois produire un fichier .gz au format complet, une réutilisation discrète de cette même brique de compression au cœur du fonctionnement interne du système de contrôle de version le plus utilisé aujourd’hui.

La spécification autorise la concaténation de plusieurs flux GZIP indépendants bout à bout dans un seul fichier .gz valide : un décompresseur conforme doit alors restituer la concaténation de tous les contenus décompressés, un comportement peu connu mais exploité par certains outils de journalisation qui ajoutent de nouvelles données compressées à la fin d’un fichier .gz existant sans avoir à décompresser puis recompresser l’ensemble à chaque écriture.