Wesloo
すべてのトピックトピック

ファイル形式

zipファイルの仕組み:データ圧縮とアーカイブの基本構造

要点

ZIPファイルは、複数のファイルやフォルダをメタデータとともに1つに統合するアーカイブ機能と、データサイズを縮小する可逆圧縮機能を兼ね備えた形式です。ファイル末尾にセントラルディレクトリを配置する構造を採用しており、アーカイブ全体を展開することなく個別のファイルを抽出できます。1989年に考案されて以来、DEFLATEアルゴリズムを主軸としてOSを問わず標準的に使われています。

ポイント

  • 複数ファイルを1つにまとめるアーカイブ化とファイルサイズを縮小するデータ圧縮を同時に実行
  • 各ファイルが独立して圧縮・格納され、全体を解凍せずに目的のファイルへランダムアクセスが可能
  • ファイル末尾に置かれたセントラルディレクトリが全エントリのメタデータと位置情報を集中管理
  • DEFLATEアルゴリズムやCRC-32誤り検出、パスワードによる暗号化に対応

zipファイルの仕組みは、複数存在するデータファイルを1つのまとまりに統合する「アーカイブ」と、冗長な情報を排除してデータ量を減らす「データ圧縮」の2つの技術によって構成されています。コンピュータ上で扱うデータには、文字やバイナリの繰り返しパターンが頻繁に現れます。ZIP形式はこれを可逆的に縮小して保存するため、展開すれば元のビット列を完全に復元できます。音声や画像におけるロスレスとロッシーの違いと同様に、プログラムや文書ファイルを扱うZIPでは情報の欠損が許されない可逆(ロスレス)圧縮が不可欠です。

アーカイブとデータ圧縮の役割分担

日常的には「ZIP圧縮」とひとまとめに呼ばれることが多いものの、技術的には「アーカイブ」と「データ圧縮」は独立した処理です。

アーカイブとは、複数のファイルやフォルダ階層構造、タイムスタンプやアクセス権といったメタデータを束ね、単一の連続したストリームやファイルに変換する処理を指します。一方、圧縮は符号化アルゴリズムを用いてデータの容量そのものを小さくする処理です。

これは映像分野におけるコンテナとコーデックの違いに似た関係といえます。ZIP形式の大きな特徴は、アーカイブ内に格納するファイルごとに圧縮方式を切り替えられる点にあります。すでに圧縮されているJPEG画像やMP4動画などは無圧縮(Storeモード)で格納し、テキストファイルのみを圧縮するといった柔軟な運用が可能です。圧縮処理を一切行わずにアーカイブ化するだけでも、ファイル転送の手間を削減できます。

zipファイルの仕組みを支える内部構造

ZIP形式が広く普及した最大の要因は、アーカイブ内の各ファイルを独立して処理できる内部レイアウトにあります。一般的な圧縮アーカイブ(例えばUNIX系のtar.gz)では、すべてのファイルを1つのストリームに連結してから全体を圧縮するため、末尾のファイルを取り出すだけでもアーカイブ全体を展開しなければなりません。これに対し、ZIPファイルはファイルごとに個別の圧縮データを持ち、末尾に全体の索引を配置する構造をとっています。

ZIPファイルは大きく分けて次の3つの領域で構成されています。

  • ローカルファイルヘッダーと個別データ:各ファイルの直前に配置されるヘッダーです。圧縮メソッド、CRC-32チェックサム、圧縮前後のサイズ、ファイル名などが記録され、直後に圧縮された実データが続きます。
  • セントラルディレクトリ(Central Directory):アーカイブの末尾寄りにまとめて記録される索引目録です。アーカイブ内に含まれる全ファイルのメタデータと、各ファイルがファイルの何バイト目から始まっているかというオフセット位置が保持されます。
  • セントラルディレクトリ終端レコード(EOCD):ファイルの最末尾に位置する22バイト(基本仕様時)の構造体です。セントラルディレクトリ全体の開始位置や総エントリ数が記録されています。

ZIPファイルを展開するソフトウェアは、ファイルの先頭から順に読むのではなく、まずファイル末尾のEOCDを読み取り、セントラルディレクトリを走査します。これによって、巨大なアーカイブであっても、全体のデータを解凍することなく瞬時にファイル一覧を表示し、目的の1ファイルだけをシークして取り出すランダムアクセスが実現します。

採用されている圧縮アルゴリズムと整合性の検証

ZIPファイルフォーマットは特定の圧縮アルゴリズムに固定されておらず、複数の方式をサポートしています。最も標準的に使われるのは、LZ77アルゴリズムとハフマン符号化を組み合わせたDEFLATE方式です。DEFLATEは、過去に出現した文字列への参照(辞書式圧縮)と、出現頻度の高い記号に短いビットを割り当てる統計的圧縮を連続して行います。規則的な繰り返しが多いcsvファイルのデータ構造やソースコードなどのテキスト情報では、極めて高い圧縮率が得られます。

DEFLATEのほかにも、BZIP2、LZMA、PPMdなどのアルゴリズムが仕様上サポートされています。また、通信経路での破損やストレージ障害を検出するため、各ファイルに対して32ビットの巡回冗長検査(CRC-32)によるチェックサム値が算出されます。展開時には展開後の実データから改めてCRC-32を計算し、ヘッダーに記録された値と突き合わせることで、データ破損がないかを厳密に判定します。

セキュリティ面では、パスワードを用いた対称鍵暗号化が規格に含まれています。初期のZIP仕様では独自のZipCryptoが用いられていましたが、暗号強度の低さから現在ではAES方式による暗号化が推奨されています。

仕様の上限とZIP64拡張規格

1989年にフィル・カッツ(Phil Katz)によって考案されたオリジナルのZIP仕様は、32ビットのフィールド幅を前提として設計されました。そのため、取り扱えるデータ量に次の技術的制約が存在していました。

  • 個別ファイルサイズの上限:4 GiB(4,294,967,295バイト)
  • アーカイブ全体の最大サイズ:4 GiB
  • アーカイブ内に格納可能な最大ファイル数:65,535個(16ビット)

これらの制限を克服するために追加されたのが「ZIP64」拡張仕様です。ヘッダー内の数値フィールドを64ビット幅に拡張することで、アーカイブ容量および単一ファイルサイズの上限は16 EiB(約1,844京バイト)にまで引き上げられました。現代のOSやアーカイバはZIP64を自動判定して処理するため、大容量のバックアップでも問題なく扱えます。なお、中身が完全に空であるZIPファイルの最小サイズは、EOCDレコードのみで構成される「22バイト」となります。

他形式との違いとOS標準サポートの現状

ファイル圧縮形式にはZIPのほかにも7zやRAR、TAR.GZなど複数の規格が存在します。それぞれの特性は以下の表のとおりです。

形式標準圧縮アルゴリズムランダムアクセス性OS標準対応状況主な用途
ZIPDEFLATE極めて高い(個別圧縮・末尾索引)Windows、macOS、Linuxで標準対応汎用的なファイル共有・配布
7zLZMA / LZMA2高い(ブロック圧縮時も可能)Windows 11で作成対応、展開は一部OSで要ツール高圧縮率を求めるバックアップ
RAR独自の高圧縮技術ソリッド形式時は展開に負荷Windows 11(libarchive経由で展開のみ対応)大容量ファイルの分割配布
TAR.GZGzip (DEFLATE)低い(全体を単一ストリーム圧縮)Linux / macOS標準、Windows 11で一部対応UNIX環境のソースコードやログ配布

Windows 11ではオープンソースのlibarchiveが組み込まれ、ZIPに加えてRARの展開や7zの作成など対応形式が拡充されました。しかし、パスワード付きアーカイブの展開や高度な暗号化の運用においては、依然として専用のサードパーティ製アーカイバが必要になるケースがあります。環境を問わず確実に送受信できる互換性の高さにおいて、ZIPは今なお業界標準の地位を維持しています。

よくある質問

なぜZIPファイルは全体を解凍せずに中身の一覧を確認できるのですか?

ファイルの末尾に「セントラルディレクトリ」と呼ばれる目録情報が記録されているためです。ソフトウェアはアーカイブ全体を展開することなく、末尾のインデックスのみを読み取ってファイル名や配置構造を取得します。

ZIPファイルで圧縮しても容量がほとんど減らないデータがあるのはなぜですか?

JPEG画像やMP4動画など、すでに高度な圧縮が適用されているファイルは冗長なデータが残っていないためです。ZIPの標準であるDEFLATEは文字やバイトの繰り返しパターンを削減する仕組みであるため、重複のないデータに対しては圧縮効果が得られません。

従来のZIPとZIP64は何が違うのですか?

ヘッダー構造における管理ビット幅が異なります。従来のZIP規格は各データ長を32ビットで管理していたため4 GiBの上限がありましたが、ZIP64では64ビットに拡張され、最大16 EiBのファイルや65,535個を超えるファイル数を扱えます。

関連ページ

  • epubファイルとは 仕組みと内部構造、電子書籍規格の基礎

    EPUBは、国際電子出版フォーラム(IDPF)が2007年9月に標準化したオープンな電子書籍ファイル形式です。HTMLやCSS、画像などのWeb標準技術で作成されたデータをZIP準拠のコンテナ内に格納し、画面サイズに応じてテキストを流動的に配置するリフロー表示を基本としています。

  • raw画像 とは?特徴とRAW撮影を選ぶメリット

    RAW画像とは、デジタルカメラの受光センサーが捉えた光の情報を、カメラ内で処理せずそのまま保存した未加工のファイル形式です。色の階調情報が12〜14ビットと豊富に残されているため、撮影後にパソコン上で露出や色温度を劣化なく補正できます。写真を用途に合わせて閲覧・共有するには、専用ソフトによる現像処理とJPEG等の汎用形式への変換が必要です。

  • jpeg webp avif 違いと使い分け:圧縮率・表示速度・互換性を比較

    JPEG、WebP、AVIFの最大の違いは、圧縮効率とエンコード負荷のバランスにあります。WebPはJPEGに比べて約25〜35%の容量削減が可能で高速な変換処理と高い互換性を備え、AVIFはさらに高効率な圧縮とHDR表示を可能にする一方でエンコードに時間を要します。実務環境ではWebPを配信の基準とし、事前ビルド可能な静的アセットにAVIFを併用する設計が効率的です。

  • json xml 違いと特徴の比較:用途に応じた使い分け

    JSONとXMLはどちらも構造化データを送受信するためのテキストフォーマットですが、構造の簡潔さと厳密性に明確な差異があります。JSONはキーと値のペアで構成され、パースが軽快なため現代のWeb APIやモバイル通信で多用されます。一方のXMLはタグ構造とスキーマ定義を持ち、厳密なデータ検証や名前空間の管理が求められる企業間システムに適しています。

  • コーデック コンテナ 違いと動画再生の仕組み

    動画ファイルにおけるコーデックは映像や音声データを圧縮・復号する方式を指し、コンテナはそれらの圧縮データや字幕、メタデータを1つのファイルに束ねる外枠の規格を指します。同じMP4という拡張子であっても、内部に格納された映像コーデックが再生機器に対応していなければ映像は表示されません。動画を扱う際は、ファイルの入れ物であるコンテナと中身の符号化形式であるコーデックを明確に区別して選定する必要があります。

  • csvファイル とは?データ構造と特徴・基本仕様の解説

    CSVファイルは、行を改行で、各項目をカンマ記号で区切って記録するプレーンテキスト形式のデータです。表計算ソフトやデータベース管理システム間のデータ移行における共通フォーマットとして広く利用されています。型定義や装飾情報を持たないため軽量であり、人間と機械の双方が容易に読み書きできる特性を備えています。

このページの作成方法

執筆の前に、下記の情報源でテーマを調査しました。その後、自動の品質チェックを通過しています。

このページの誤りを報告する