Wesloo
Todos los temasTemas

Formatos de archivo

Cómo funciona un archivo ZIP y la compresión de datos

Respuesta breve

Un archivo ZIP funciona combinando el empaquetado de múltiples elementos y la compresión de datos sin pérdida en un único fichero estructurado. Cada elemento se procesa de forma individual mediante algoritmos como DEFLATE, y un directorio central situado al final del archivo registra la ubicación y los metadatos de todo el contenido.

Puntos clave

  • Empaqueta varios ficheros y carpetas procesando cada uno de manera independiente.
  • El algoritmo DEFLATE combina la codificación LZ77 y los árboles de Huffman para reducir redundancias.
  • Un directorio central al final del fichero permite consultar el contenido sin leer el archivo completo.
  • El formato estándar admite hasta 4 GiB por archivo, mientras que la extensión ZIP64 eleva el límite a 16 EiB.
  • Incorpora sumas de comprobación CRC de 32 bits para verificar la integridad contra corrupciones de datos.

Para entender cómo funciona un archivo ZIP, conviene diferenciar entre la acción de empaquetar y el proceso de compresión de datos. Creado en 1989 por Phil Katz para el programa PKZIP, este formato agrupa múltiples ficheros o estructuras de carpetas en un único contenedor binario con extensión .zip. A diferencia de las técnicas de reducción audiovisual tratadas en la comparación entre audio con pérdida y sin pérdida, el formato ZIP implementa algoritmos estrictamente sin pérdida, garantizando que cada byte descomprimido coincida con el original.

Diferencia entre empaquetado y compresión

El término archivo alude a la combinación de varios ficheros informáticos y sus metadatos (como nombres, permisos o fechas de modificación) en un único cuerpo de datos. La compresión, en cambio, reduce los patrones redundantes del flujo binario para requerir menos espacio en disco o ancho de banda. De forma análoga a la diferencia entre códec y contenedor de video, ZIP actúa simultáneamente como contenedor de transporte y como gestor de codificación.

La compresión dentro de un contenedor ZIP no es obligatoria. Un usuario puede optar por el método de almacenamiento directo (denominado Store), donde los documentos se concatenan uno tras otro sin alteración aritmética. Esta modalidad resulta útil cuando los ficheros ya contienen formatos comprimidos internamente, como imágenes JPEG o vídeos MP4, donde aplicar compresión adicional solo consumiría ciclos de procesador sin generar un ahorro apreciable de almacenamiento.

Estructura interna: cómo funciona un archivo ZIP por dentro

La arquitectura binaria de un archivo ZIP difiere radicalmente de la mayoría de los formatos de archivo convencionales. Mientras que la mayoría de los contenedores colocan su índice o tabla de contenidos al principio del documento, el formato ZIP sitúa su directorio central al final del fichero. La secuencia física interna se divide en tres componentes clave:

  1. Entradas de archivos locales: Cada elemento empaquetado contiene una cabecera local con metadatos inmediatos (nombre, método de compresión, marca temporal y código CRC-32), seguida inmediatamente por los datos comprimidos del fichero.
  2. Directorio central: Agrupado hacia el final del archivo, recopila una lista completa de todas las entradas contenidas, sus atributos extendidos y el desplazamiento exacto (offset en bytes) donde comienza la cabecera local de cada elemento.
  3. Registro de fin de directorio central (EOCD): Los últimos bytes del fichero indican el inicio del directorio central, la cantidad total de registros y un espacio para comentarios opcionales.

La presencia del directorio central al final del archivo aporta ventajas operativas determinantes. Permite añadir ficheros a un ZIP existente sin reescribir todo el documento: basta con escribir el nuevo bloque de datos sobre el final anterior, añadir una nueva entrada al índice y actualizar el registro EOCD. Asimismo, los visores de archivos pueden leer la lista de contenidos de forma instantánea saltando directamente a los últimos bytes, sin necesidad de recorrer ni descomprimir los megabytes o gigabytes que componen el cuerpo del archivo.

Esta disposición también hace posible crear ficheros autoextraíbles (precediendo el archivo con código ejecutable que el sistema operativo ejecuta directamente) o adjuntar archivos ZIP al final de otros formatos, como imágenes GIF. El tamaño mínimo absoluto que puede tener un fichero ZIP funcional es de 22 bytes, lo que equivale con exactitud a un registro EOCD completamente vacío, sin archivos contenidos en su interior.

Algoritmos de compresión y procesamiento independiente

Aunque DEFLATE es el método más extendido, el formato ZIP también admite algoritmos como BZIP2, LZMA, WavPack y PPMd. DEFLATE procesa los datos en dos fases consecutivas. En primer lugar, aplica el algoritmo LZ77 para localizar secuencias repetidas de caracteres dentro de una ventana deslizante de memoria, reemplazando las repeticiones por punteros compuestos por distancia y longitud. En segundo lugar, aplica la codificación de Huffman, asignando secuencias binarias cortas a los símbolos más frecuentes y códigos más largos a los infrecuentes. Estructuras de texto sin formato, como las analizadas al revisar qué es un archivo CSV y su estructura, logran ratios de compresión elevados mediante este procedimiento.

Un aspecto estructural crítico es que ZIP comprime cada elemento de forma individual e independiente. Si un archivo contiene cincuenta documentos de texto, cada uno se somete a DEFLATE por separado con su propio diccionario de compresión. Esto facilita la extracción aleatoria instantánea de un único fichero sin tocar el resto. Por el contrario, formatos continuos o sólidos como tar.gz concatenan todos los ficheros en un único flujo antes de comprimir; esto logra tamaños finales más reducidos cuando hay muchos archivos idénticos o similares, pero exige descomprimir todo el flujo previo para consultar un solo archivo.

Integridad, cifrado y límites de tamaño

Para prevenir pérdidas o corrupciones de información causadas por errores de transmisión o fallos en los medios de almacenamiento, el formato ZIP almacena dos copias de la estructura del directorio e integra un algoritmo de redundancia cíclica de 32 bits (CRC-32). Antes de comprimir cada elemento, el software calcula su suma CRC original; al descomprimirlo, recalcula este valor sobre los datos resultantes. Si ambos valores no coinciden, el sistema rechaza el proceso y alerta de que el archivo se encuentra dañado.

Respecto a la seguridad, el formato admite cifrado simétrico mediante contraseñas. Aunque las primeras especificaciones empleaban el cifrado tradicional PKZIP (vulnerable a ataques basados en texto plano conocido), las extensiones contemporáneas incorporan cifrado estándar AES con claves de 128 o 256 bits, exigiendo una contraseña válida antes de proceder a la descompresión.

En su especificación original de 1989, el formato utilizaba campos de 32 bits para definir tamaños y desplazamientos. Esto impuso un límite estricto de 4 GiB menos 1 byte (4.294.967.295 bytes) tanto para el tamaño global del archivo como para cada fichero individual contenido. Para superar esta cota, PKWARE introdujo la extensión ZIP64, que amplía los campos internos a 64 bits. Con ZIP64, la capacidad teórica escala hasta 16 EiB menos 1 byte (aproximadamente 18,4 millones de terabytes), eliminando cualquier restricción práctica en entornos informáticos actuales.

Comparativa técnica de formatos de compresión

Los sistemas operativos modernos, incluido Windows 11 a través de su explorador de archivos con bibliotecas abiertas como libarchive, integran compatibilidad nativa con diversos contenedores de compresión sin requerir programas externos. La siguiente tabla sintetiza las propiedades técnicas de las alternativas más empleadas:

FormatoAño de apariciónCompresión continua (sólida)Algoritmo predominanteAcceso aleatorio a ficheros
ZIP1989NoDEFLATEInstantáneo por fichero
7z1999OpcionalLZMA / LZMA2Lento en modo sólido
RAR1993OpcionalPropietario (Roshal)Lento en modo sólido
TAR.GZ1992Sí (por flujo concatenado)DEFLATE (Gzip)Requiere descompresión lineal

La ausencia de compresión continua en ZIP reduce ligeramente su eficiencia global frente a 7z o RAR en colecciones de miles de ficheros parecidos, pero su compatibilidad universal en cualquier plataforma, arquitectura o dispositivo móvil mantiene su vigencia técnica para la transferencia de archivos.

Otras preguntas frecuentes

¿Por qué algunos archivos apenas reducen su tamaño al comprimirlos en ZIP?

Formatos como JPEG, MP3 o MP4 ya contienen compresión matemática interna de alta densidad. Como apenas conservan patrones redundantes en su secuencia binaria, el algoritmo DEFLATE no encuentra duplicados que reemplazar y su volumen se mantiene casi intacto.

¿Cuál es la diferencia entre un archivo ZIP y un archivo TAR.GZ?

El archivo ZIP comprime cada elemento por separado y guarda un índice al final, lo que permite extraer cualquier documento individualmente. En cambio, TAR.GZ primero fusiona todos los ficheros en un único bloque continuo mediante TAR y luego comprime todo el conjunto con Gzip.

¿Qué ocurre si un archivo supera los 4 GiB dentro de un archivo ZIP estándar?

El estándar ZIP original de 32 bits no puede direccionar cifras superiores a 4 GiB menos 1 byte, provocando un desbordamiento numérico. En esas situaciones se utiliza la especificación ZIP64, que emplea registros de 64 bits para gestionar ficheros de hasta 16 EiB.

Páginas relacionadas

  • Qué es formato RAW y por qué usarlo en fotografía

    Un archivo RAW almacena los datos brutos registrados por el sensor de la cámara sin aplicar compresión destructiva ni ajustes de color definitivos. Funciona como un negativo digital que conserva toda la información de luminancia y crominancia de la escena. Disparar en este formato ofrece un amplio margen para corregir la exposición, recuperar sombras y modificar el balance de blancos durante la edición.

  • Formato EPUB a PDF: qué es y cómo funciona este archivo

    El formato EPUB es un estándar abierto para publicaciones digitales que empaqueta texto, hojas de estilo, metadatos e imágenes dentro de una estructura comprimida. Su diseño permite que el contenido se redistribuya de manera automática según las dimensiones de la pantalla del dispositivo de lectura.

  • Diferencias JPEG, WebP y AVIF: comparativa técnica

    Las diferencias principales entre JPEG, WebP y AVIF radican en su eficiencia de compresión, velocidad de procesamiento y funciones avanzadas como la transparencia o el color de 10 bits. Mientras que JPEG ofrece compatibilidad universal absoluta, WebP reduce el tamaño del archivo entre un 25% y un 35% con tiempos de codificación rápidos, y AVIF reduce el tamaño entre un 40% y un 60% respecto a JPEG a costa de un tiempo de procesamiento notablemente mayor.

  • Diferencia entre códec y contenedor de video

    Un códec es el algoritmo encargado de comprimir y descomprimir los datos de video o audio para reducir su peso sin degradar en exceso la señal. Un contenedor es el formato de archivo que empaqueta y sincroniza esos flujos de datos junto con subtítulos y metadatos en un único archivo con una extensión determinada. La compatibilidad de reproducción depende de que el dispositivo soporte tanto el contenedor exterior como los códecs internos.

  • Diferencia entre JSON y XML: comparación técnica

    La diferencia técnica entre ambos estándares radica en su modelo estructural: JSON organiza la información mediante pares clave-valor y colecciones ordenadas, mientras que XML utiliza un árbol de marcado jerárquico basado en etiquetas y atributos. JSON ofrece un procesamiento rápido y un menor peso en transferencias web, en tanto que XML proporciona validación rígida mediante esquemas formales y compatibilidad con documentos mixtos y sistemas corporativos.

  • Imágenes ráster vs vectoriales: diferencias clave

    Las imágenes ráster se componen de una cuadrícula fija de píxeles que pierde nitidez al ampliarse, lo que las hace idóneas para fotografías con transiciones tonales complejas. Por el contrario, los gráficos vectoriales se construyen mediante fórmulas matemáticas y coordenadas que permiten una ampliación infinita sin alterar su calidad, siendo la opción indicada para logotipos, iconos y tipografía.

Cómo se preparó esta página

Antes de redactarla, el tema se investigó en las fuentes de abajo. Después, la página superó controles de calidad automáticos.

Informar de un error en esta página