Si pasa algún tiempo descargando software o compartiendo documentos grandes, probablemente se haya topado con un archivo .zip. Es una de esas comodidades digitales que funciona tan bien que rara vez nos detenemos a cuestionarla. La premisa básica es simple: tomar un archivo voluminoso, reducir su tamaño y moverlo por la web más rápido. O simplemente haz que ocupe menos espacio en tu disco duro.
Pero aquí hay una ligera paradoja. ¿Cómo se eliminan datos y luego, mágicamente, se recuperan todos sin que falte ni un solo bit?
No es magia. Es la gestión de despidos. Una vez que cubramos los conceptos básicos de cómo comprimir un archivo, profundizaremos en la mecánica de lo que realmente sucede dentro de ese archivo.
Comprimir un archivo: la guía de inicio rápido
En esencia, la compresión utiliza algoritmos para reducir el tamaño del archivo. Esto ahorra espacio en disco. También acelera la transmisión a través de conexiones más lentas. La creación de un archivo zip está integrada en la mayoría de los sistemas operativos modernos. No necesita herramientas especiales para tareas básicas.
Aquí está el proceso sencillo.
1. Seleccione los archivos de destino
Empiece por identificar lo que desea reducir. La compresión produce los mejores resultados con archivos más grandes. Los archivos de vídeo y las imágenes sin procesar son los principales candidatos porque consumen una cantidad significativa de ancho de banda y almacenamiento. Los archivos de texto pequeños a menudo se comprimen mal porque carecen de los patrones repetitivos necesarios para una reducción eficiente.
2. Utilice herramientas integradas
Probablemente ya tengas el software que necesitas.
En Windows, el proceso es muy sencillo. Haga clic derecho en los archivos seleccionados. Navegue hasta el menú ‘Enviar a’. Elija ‘Carpeta comprimida (en zip)’. Windows se encarga del resto.
Los usuarios de Mac tienen un atajo similar. Mantenga presionada la tecla Control y haga clic en los archivos. Seleccione ‘Comprimir’. El sistema genera un archivo zip automáticamente.
Si su sistema operativo carece de esta función o necesita opciones avanzadas, necesitará software de terceros. Herramientas como 7-Zip o WinRAR ofrecen un control más granular sobre los niveles de compresión. Pero para el uso diario, las herramientas integradas son suficientes.
3. Generar el archivo
Una vez que activa el comando, el software comienza a funcionar. Escanea los archivos. Aplica el algoritmo elegido. Crea un nuevo archivo zip en el mismo directorio que los originales.
La velocidad de este proceso depende de dos factores: el tamaño del archivo y la capacidad de la CPU. Algunos vídeos grandes pueden tardar unos segundos. Una carpeta llena de pequeños archivos de texto puede tardar más debido a la sobrecarga, aunque el aumento de tamaño final puede ser insignificante.
4. Manejar el resultado
Ahora tienes un solo contenedor. Puedes cambiarle el nombre. Puedes moverlo a una unidad USB. Puedes enviarlo por correo electrónico. El destinatario necesita extraer los contenidos para utilizarlos. Esto invierte el proceso.
Tenga en cuenta las compensaciones. Para documentos, códigos y textos, la compresión prácticamente no produce pérdidas. Obtienes exactamente lo que pusiste. Para imágenes y videos, la historia es diferente. Algunos métodos de compresión degradan la calidad para lograr tamaños más pequeños. Esto se conoce como compresión con pérdida. La compresión de texto suele realizarse sin pérdidas.
Cómo funciona realmente la compresión de archivos
Los archivos de computadora son notoriamente repetitivos. Contienen la misma información unida una y otra vez. El software de compresión se nutre de esta redundancia.
En lugar de escribir “el” trescientas veces, un algoritmo de compresión escribe “el” una vez. Luego crea un puntero de referencia. Cada vez que ve “el”, apunta a la primera instancia. Esto reduce drásticamente el número total de bits y bytes.
Para entender esto, miremos el lenguaje.
Consideremos el discurso inaugural de John F. Kennedy en 1961. La famosa frase:
“No preguntes qué puede hacer tu país por ti; pregunta qué puedes hacer tú por tu país”.
Contemos las unidades. La cita tiene 17 palabras. Contiene 61 letras. Hay 16 espacios. Un guión. Un período. Si asignamos una unidad de memoria a cada carácter, espacio o símbolo, el tamaño total del archivo es 79 unidades.
Ahora busquemos las redundancias. Ignoramos las mayúsculas por simplicidad.
- “preguntar” aparece dos veces.
- “qué” aparece dos veces.
- “tu” aparece dos veces.
- “país” aparece dos veces.
- “can” aparece dos veces.
- “hacer” aparece dos veces.
- “para” aparece dos veces.
- “tú” aparece dos veces.
Aproximadamente la mitad de la frase es redundante. Nueve palabras únicas (pregunte, no, qué, su, país, puede, hacer, para usted) contienen casi toda la información necesaria. Para reconstruir la segunda mitad, el algoritmo simplemente señala las palabras de la primera mitad. Rellena los espacios y la puntuación utilizando reglas sencillas.
Ésta es la esencia de la compresión sin pérdidas. No elimina información. Elimina la repetición.
A continuación veremos más de cerca los algoritmos que buscan estos patrones.
El costo oculto de la compresión del diccionario
La mayoría de las herramientas de compresión se basan en variaciones del algoritmo de diccionario adaptativo LZ. Lleva el nombre de los creadores Lempel y Ziv, y la parte del “diccionario” es el mecanismo para catalogar datos repetidos. El sistema de organización de estas entradas no es complejo. Podría ser una simple lista numerada.
Tomemos como ejemplo la famosa frase de JFK. El programa de compresión busca palabras repetidas y las asigna a un índice. Luego reemplaza las palabras con sus números asignados.
Si el diccionario se ve así:
- preguntar
- que
- tu
- país
- puede
- para
- tu
La frase “No preguntes qué puede hacer tu país por ti; pregunta qué puedes hacer tú por tu país” se transforma en un código. Se convierte en:
1 no 2 3 4 5 6 7 8 — 1 2 8 5 6 7 3 4
Una computadora receptora utiliza el mismo diccionario y patrón numérico para reconstruir el texto original. Así funciona la expansión. Algunos archivos comprimidos contienen un programa de expansión integrado. Reconstruye automáticamente el archivo original al descargarlo.
Pero, ¿cuánto espacio se ahorra realmente con esto?
La cadena numérica es más corta que la comilla completa. Hay una trampa. Debe almacenar el diccionario junto con los datos comprimidos.
En un escenario del mundo real, calcular los requisitos de archivos es complicado. Para este desglose, suponga que cada carácter y espacio equivale a una unidad de memoria. La frase completa ocupa 79 unidades. La oración comprimida usa 37 unidades. El diccionario también ocupa 37 unidades.
El tamaño total del archivo es de 74 unidades. La reducción es mínima.
Esta es sólo una frase. Si el algoritmo procesara el resto del discurso, encontraría que esas palabras se repiten con mucha más frecuencia. La eficiencia mejora a medida que aumenta la repetición. Como veremos, el sistema también reescribe su propio diccionario para optimizar aún más la organización.
Más allá de la simple coincidencia de palabras
Los pasos anteriores se basaban en identificar palabras completas y repetidas. Tratamos el texto como una secuencia de unidades discretas. A un algoritmo de compresión no le importan las palabras. Se preocupa por los patrones.
El objetivo es simple: reducir el archivo.
Para ello, el software busca redundancia. No pregunta “¿es esto una palabra?” Pregunta “¿he visto esta secuencia antes?” Y es despiadado. Si un patrón aparece sólo una vez, se elimina. Si un patrón más corto aparece con más frecuencia que uno más largo, el más largo podría quedar cortado.
Este es el núcleo “adaptativo” de los algoritmos basados en LZ. El diccionario evoluciona. Cambia. Se optimiza en tiempo real.
Cómo funciona la selección de patrones
Tomemos como ejemplo la famosa frase de JFK.
“No preguntes qué puede hacer tu país por ti, no preguntes qué puedes hacer tú por tu país.”
Un humano ve palabras. Un compresor ve personajes.
La primera secuencia repetida puede ser pequeña. “t” seguida de un espacio. Aparece en “no” y “qué”. El programa lo nota. Lo escribe. Luego sigue adelante.
¿Por qué? Porque en este breve fragmento, “t ” no se repite lo suficiente como para justificar el costo de almacenar su propia identificación en el diccionario. Se sobrescribe o se ignora.
A continuación, aparece “ou” en “tu” y “país”. ¿Útil? Tal vez. En un libro completo, “ou” es una mina de oro. ¿Aquí? El algoritmo encuentra algo mejor.
“tu” y “país” aparecen juntos como “tu país”. Repetido dos veces. Esta es una señal más fuerte que “ou”. La entrada del diccionario para “ou” se descarta. “tu país” ocupa su lugar.
Pero espera.
Mire “puedo hacerlo”. Le siguen “tu” y “tú”. Se repite la secuencia “puedo hacerlo por usted”.
¿Cuál es más eficiente?
“tu país” = 13 caracteres (incluido el espacio).
“Puedo hacerlo por usted” = 15 caracteres.
El algoritmo prefiere la coincidencia más larga si guarda más bits por instancia. Pero “puedo hacer por usted” incluye “usted”, mientras que “su país” incluye “su”.
Si el programa prioriza el reemplazo máximo de caracteres, podría descomponer “su país”. Mantiene “r país” como sufijo y crea una entrada principal para “puedo hacer por usted”. Esto permite que el compresor haga referencia a la mayor parte de la frase con un código, mientras maneja la ligera variación (“tu” versus “tú”) con referencias secundarias.
Esta reescritura dinámica es lo que hace que LZ sea adaptativo. El diccionario no es estático. Es un registro vivo de lo que acaba de suceder en el flujo de datos.
La relación de compresión
Usando nuestros patrones derivados:
-pregunta__
– que__
– tu
– r__país
– puedo_por_ti
La frase original se convierte en una serie de sugerencias:
1 no__ 2 3 4 5 __ — __ 1 2 3 5 4
El uso de la memoria cambia drásticamente.
Texto original: 79 unidades.
Datos comprimidos: 18 unidades.
Sobrecarga del diccionario: 41 unidades.
Total: 59 unidades.
Ahorramos 20 unidades. Eso es aproximadamente una reducción del 25%. Nada mal para unas pocas líneas de discurso. Y no necesariamente el resultado más eficiente posible. Probablemente podría encontrar un acuerdo más estricto. Pero el punto es válido: encontrar los patrones correctos es más importante que simplemente encontrar cualquier patrón.
Por qué el texto se comprime mejor que los gráficos
Entonces, ¿por qué algunos archivos se reducen en un 50% o más, mientras que otros apenas se mueven?
Redundancia.
Los lenguajes naturales son muy redundantes. Las letras se agrupan de maneras específicas. “Th”, “ing”, “ción”. Las palabras se repiten constantemente. Los archivos de texto están llenos de estas estructuras predecibles. Los compresores prosperan aquí.
El código de programación es similar. Un conjunto limitado de palabras clave y comandos se repite sin cesar. si, mientras, regresar. Los patrones son rígidos. La compresión funciona bien.
¿Gráficos? ¿Audio?
No tanto.
Una imagen o un archivo MP3 contiene datos únicos. Cada píxel tiene un valor específico. Cada muestra de audio es distinta. Hay pocas secuencias repetidas. La entropía es alta. El algoritmo no puede encontrar suficientes patrones superpuestos para crear un diccionario útil.
Esta es la razón por la que la compresión sin pérdidas falla en los archivos multimedia. Necesitas diferentes técnicas. Más sobre eso más adelante.
Tamaño de archivo y elección de algoritmo
¿Mejora la compresión con archivos más grandes?
Generalmente sí.
Si comprimiéramos todo el discurso de JFK, los ahorros serían mayores. ¿Por qué? Porque los mismos patrones se repiten con más frecuencia. Las entradas del diccionario se reutilizan miles de veces. Los gastos generales del diccionario se vuelven insignificantes en comparación con los ahorros.
¿Archivos pequeños? La sobrecarga del diccionario devora las ganancias.
La elección del algoritmo también juega un papel muy importante.
No todas las variantes de LZ son iguales. Algunos están sintonizados para texto. Algunos para datos. Algunos utilizan diccionarios jerárquicos (diccionarios dentro de diccionarios) para detectar patrones anidados complejos en archivos grandes. Podrían ahogarse con pequeños insumos.
Los programadores modifican constantemente estos sistemas. El objetivo es siempre el mismo: mejores ratios, mayores velocidades. Pero no existe una solución universal.
El mejor compresor para su texto podría ser el peor para su base de datos.
La compresión que hemos estado discutiendo es compresión sin pérdidas. Es la única forma de garantizar que recupere el archivo original. Cada bit permanece intacto. Divide el archivo en una parte más pequeña para almacenarlo o transferirlo y luego lo vuelve a ensamblar exactamente como estaba. No se pierde ningún dato.
Compresión con pérdida toma una ruta diferente. No intenta preservarlo todo. En cambio, arroja información “innecesaria”. El objetivo es simple: hacer el archivo más pequeño. Verás esto en todas partes. Es el estándar para imágenes de mapa de bits.
Los mapas de bits están inflados. Devoran espacio. Una fotografía escaneada es un ejemplo perfecto.
Los algoritmos sin pérdidas luchan aquí. Claro, las secciones grandes parecen idénticas. El cielo es azul. Pero mira más de cerca. Cada píxel es ligeramente diferente. Los valores de color cambian. Para reducir el archivo sin perder resolución, debes cambiar esos valores.
El programa elige un tono de azul. Asigna ese valor único a cada píxel del cielo. Reescribe el archivo para señalar esa referencia. ¿El resultado? El tamaño del archivo disminuye significativamente. No notarás la diferencia.
Pero hay un problema. Nunca podrás recuperar el archivo original.
Una vez que lo comprimes, te quedas atrapado con la interpretación de la realidad del programa. Los datos originales han desaparecido. No se puede utilizar la compresión con pérdida para cosas que requieren una reproducción exacta. ¿Aplicaciones informáticas? No. ¿Bases de datos? No. ¿Discursos de toma de posesión presidencial? Definitivamente no.
“Con la compresión con pérdida, no puedes recuperar el archivo original después de haberlo comprimido. Estás atascado con la reinterpretación del original por parte del programa de compresión”.
Actualizamos este artículo junto con la tecnología de inteligencia artificial, luego nos aseguramos de que fuera verificado y editado por un editor de HowStuffWorks.
Preguntas frecuentes sobre compresión de archivos
¿Qué hace la compresión de un archivo?
Reduce el tamaño del archivo. Los archivos más pequeños significan una transmisión más rápida. Envías y recibes datos más rápido.
¿Cuáles son los tipos básicos de esquemas de compresión de archivos?
Hay dos. Sin pérdidas y con pérdidas. Lossless descompone el archivo y lo reconstruye más tarde. Lossy elimina bits. Reduce el archivo de forma permanente. No se puede revertir la compresión con pérdida.
¿Qué compresión utilizan los archivos zip?
Los archivos zip dependen de la compresión de datos sin pérdidas. Manejan múltiples directorios. Utilizan algoritmos como DEFLATE. Los datos salen exactamente como entraron.
¿La compresión de archivos reduce la calidad?
Sí. Después de comprimir una imagen en una computadora o en una cámara, la calidad a menudo se ve afectada. La nitidez disminuye. El contraste se desvanece. Los finos detalles de color desaparecen. La imagen se ve peor. Ésa es la compensación.
