ZIP oder TAR: welches — und warum es einen Unterschied macht

Der strukturelle Unterschied, in einem Absatz

Eine TAR-Datei ist ein Stapel. Für jedes Mitglied schreibt sie einen 512-Byte-Kopfsatz — Name, Rechte, Eigentümer, Größe in Oktal, Änderungszeit, Prüfsumme, Typkennzeichen —, dann die Bytes der Datei, dann Füllung bis zum nächsten ganzen 512-Byte-Block. Zwei Nullblöcke markieren das Ende. Kein Index, keine Komprimierung, keine schlaue Buchführung: das ist das ganze Format, und es hat sich kaum geändert, seit es für Bandlaufwerke entworfen wurde — daher der Name.

Ein ZIP ist ein Aktenschrank. Jedes Mitglied wird für sich mit Deflate komprimiert und mit eigenem lokalem Kopfsatz geschrieben; am Dateiende steht ein zentrales Verzeichnis, das jedes Mitglied nennt, seine Größe, seine komprimierte Größe und die Stelle, an der es beginnt. Ein Leser öffnet die letzten Kilobyte, liest das Verzeichnis und kennt den ganzen Inhalt, ohne ein Byte der Daten anzufassen. Dieser Entwurf ist der Grund, warum ein Mailprogramm dir zeigen kann, was in einem Anhang steckt, bevor du ihn entpackst.

Alles Weitere in diesem Artikel folgt aus diesen zwei Absätzen. Größe, Einzeldateientnahme, Rechte, Symlinks, Verhalten bei Beschädigung — nichts davon ist willkürlich, und nichts verlangt, eine Vergleichstabelle auswendig zu lernen, sobald man sich einen Stapel auf der einen und einen Aktenschrank auf der anderen Seite vorstellt.

Warum .tar.gz bei vielen kleinen, ähnlichen Dateien gewinnt

Deflate arbeitet, indem es Wiederholungen in einem gleitenden Fenster findet und die zweite Kopie durch einen kurzen Verweis ersetzt. In einem ZIP wird dieses Fenster zu Beginn jedes Mitglieds zurückgesetzt, ein Kompressor vor einer 193 Byte großen JavaScript-Datei hat also fast nichts zu tun: die Importe, das Gerüst und die schließende Klammer stehen in den anderen neunundfünfzig Dateien, und er wird sie nie sehen. In einem .tar.gz bekommt er einen zusammenhängenden Strom von 63 488 Byte, in dem diese neunundfünfzig Kopien direkt daneben liegen, ein paar hundert Byte entfernt.

Die Messung macht es greifbar. Dieselben sechzig Dateien: 1 809 Byte als .tar.gz gegen 14 686 als .zip. Das ist keine Frage der Einstellung. Dieselben sechzig durch einen ZIP-Schreiber auf jeder Stufe von 1 bis 9 zu schicken ergab neunmal dasselbe Archiv von 14 490 Byte, Byte für Byte — der Regler hängt an nichts, weil es in einer 193-Byte-Datei nichts gibt, woran sich die höchste Stufe stärker abarbeiten könnte. Auf Stufe 0, die speichert statt komprimiert, kam das ZIP auf 18 328 Byte; die Komprimierung tut also durchaus etwas — nur an der falschen Stelle.

Dreh den Bestand um, und der Vorteil verpufft. Komprimiere eine einzelne 92-KB-Textdatei: 33 202 Byte als ZIP mit einem Mitglied, 33 110 Byte als gzip — 92 Byte Unterschied, drei Promille. Es gibt keine Redundanz zwischen Dateien, wenn es nur eine Datei gibt. Die Regel lautet also nicht „tar.gz ist besser“, sondern: je mehr Mitglieder, je kleiner und je ähnlicher sie sind, desto größer der Abstand; eine große Datei, gar kein Abstand.

Der Preis: kein Index, und kein Zugriff auf eine einzelne Datei

Genau die Blockkomprimierung ist der Grund, warum sich ein .tar.gz nicht in der Mitte öffnen lässt. Der komprimierte Strom ist eine lange Kette, in der das millionste Byte von allem davor abhängt; ein Programm, das nach der letzten von sechzig Dateien gefragt wird, muss die ersten neunundfünfzig entpacken, um dorthin zu kommen. Ein ZIP macht das Gegenteil: die für diesen Artikel gebauten Archive tragen zu jedem Mitglied einen Eintrag im zentralen Verzeichnis, und ein Leser springt dorthin, findet den Versatz und entpackt 193 Byte.

Dieselbe Asymmetrie entscheidet, was bei einem beschädigten Archiv passiert. Verdirb ein paar Byte in einem ZIP, und du verlierst meist das Mitglied, zu dem sie gehören; das zentrale Verzeichnis nennt den Rest weiterhin, und ein Reparaturwerkzeug bekommt ihn oft zurück. Verdirb ein paar Byte nahe dem Anfang eines .tar.gz, und alles nach dem Schaden ist unerreichbar, weil der Zustand des Entpackers verloren ist. Wer auf unzuverlässige Medien schreibt oder über eine abreißende Verbindung überträgt, für den ist dieser Unterschied nicht akademisch.

Rechte und Symlinks: was dieser Konverter tatsächlich verloren hat

Der Testbaum bestand nicht nur aus sechzig Dateien. Er enthielt auch ein Verzeichnis, eine als ausführbar markierte Datei und einen symbolischen Link auf eine andere Datei. Von den Systemwerkzeugen gepackt, behielten beide Formate alles. Das .tar trug einen Modus 000755 auf der ausführbaren Datei und ein Typkennzeichen 2 auf dem Link. Das .zip trug 62 Einträge im zentralen Verzeichnis: die sechzig Dateien, das Verzeichnis als 040755, die ausführbare Datei als 0100755 und latest.js als 0120755 — ein Symlink von siebzehn Byte Länge, wobei diese Bytes der Pfad sind, auf den er zeigt.

Bei dieser letzten Tatsache lohnt ein Innehalten, denn die Legende sagt, ZIP könne keine Unix-Metadaten tragen. Es kann. Das Format hält genau dafür ein Feld frei, und das Standard-zip-Werkzeug unter Unix füllt es. Wahr ist: dieses Feld ist optional, der Schreiber entscheidet, ob er es füllt, und sehr viele Schreiber tun es nicht.

Der Konverter dieser Seite gehört dazu, und ihn auszuführen hat das sichtbar gemacht. Sein TAR-Leser behält nur Einträge, deren Typkennzeichen „gewöhnliche Datei“ sagt; Verzeichnis und symbolischer Link wurden also wortlos verworfen — sechzig Mitglieder hinein, sechzig heraus, zwei Objekte verschwunden. Seine interne Darstellung eines Mitglieds ist ein Pfad und ein Block Bytes, ohne Feld für die Rechte: das 000755 aus dem Tar-Kopfsatz hat keinen Platz. Ein Blick in das erzeugte ZIP bestätigt es: 60 Einträge, alle als von einem DOS-artigen System stammend deklariert, jedes Rechtefeld null. Kein Verzeichnis, kein Link, kein Ausführungsbit.

Für die Aufgabe, für die diese Seite da ist — ein .tar.gz, das dir jemand geschickt hat, und du willst seinen Inhalt auf einem Rechner haben, der es nicht öffnet —, spielt nichts davon eine Rolle. Zum Umpacken eines Releases, einer Sicherung oder von irgendetwas mit Skripten darin spielt alles davon eine Rolle, und dann packst du besser mit den Systemwerkzeugen um. Zu wissen, in welchem der beiden Fälle du bist, ist das ganze Können.

Welches öffnet die Empfängerin ohne Installation

Meist entscheidet genau das, und die ehrliche Antwort hat sich geändert. ZIP ist im Windows-Explorer seit 2001 und im macOS-Archivierungsprogramm von Anfang an lesbar; es gab nie einen Rechner, auf dem ein ZIP zu schicken die falsche Wette war. Bei TAR war es umgekehrt: außerhalb von Unix brauchte man ein Fremdprogramm, hieß also, eine Kollegin um eine Softwareinstallation zu bitten, bevor sie deinen Anhang lesen konnte.

Diese Lücke hat sich geschlossen. Windows 11 hat dem Datei-Explorer das native Lesen von .tar, .tar.gz, .tgz, .tar.bz2, .tar.xz, .tar.zst, .rar und .7z hinzugefügt — 2023 angekündigt und über die folgenden Versionen ausgeliefert. Auf einem aktuellen Windows 11 öffnet sich ein .tar.gz also mit einem Doppelklick, ohne Installation. Der Haken ist alles, was kein aktuelles Windows 11 ist: Rechner mit Windows 10, verriegelte Firmen-Images, die Web-Vorschau eines Mailprogramms, ein Dokumentenmanagement, ein Telefon. ZIP funktioniert in allen davon.

Die praktische Regel ist also unsymmetrisch, und sie sagt nicht, welches Format besser ist. Wenn du Dateien zwischen Rechnern speicherst, ausrollst oder bewegst, die du kontrollierst: .tar.gz — kleiner bei Quellbäumen, und es behält die Metadaten. Wenn du an einen Menschen schickst: ZIP, außer du weißt, was er benutzt. Die Umwandlung dauert Sekunden, und dafür ist das Werkzeug dieser Seite da; wandle nur in die Richtung um, die nichts verliert, was dir wichtig ist.

Häufige Fragen

Ist ein .tgz dasselbe wie ein .tar.gz?

Ja, Byte für Byte. .tgz ist eine Kurzform, die es gibt, weil MS-DOS nach dem Punkt nur drei Zeichen erlaubte, und sie hat ihren Grund überlebt. Was das eine liest, liest das andere. Dasselbe gilt für .tbz2 und .tar.bz2, .txz und .tar.xz, .tzst und .tar.zst. Der Konverter hier schnüffelt an den Bytes statt an der Endung, nimmt also jede dieser Schreibweisen — und auch eine Datei mit falschem Namen, was häufiger die echte Lage ist.

Warum ist mein .tar größer als die Dateien darin?

Weil TAR nicht komprimiert und weil es aufrundet. Jedes Mitglied kostet einen 512-Byte-Kopfsatz plus seine eigenen Bytes, aufgefüllt bis zum ganzen 512-Byte-Block, und das Archiv endet mit 1 024 Nullbytes. Beim Testbaum wurden so aus 11 604 Byte Quelltext ein .tar von 63 488 Byte — fünfeinhalbmal so groß, weil sechzig 193-Byte-Dateien je ein volles Kilobyte an Kopfsatz und Füllung belegen. Das ist kein Fehler: so sieht ein Format aus, das für feste Blöcke auf Band entworfen wurde. Komprimiere es, und die Füllung, lauter Nullen, verschwindet fast vollständig.

Wird ein .tar.gz beim Umwandeln in ZIP größer?

Oft ja, und manchmal deutlich. Die Richtung der Umwandlung macht genau das rückgängig, was das .tar.gz klein gemacht hat: das Archiv wird in einzelne Dateien entpackt, dann wird jede für sich komprimiert. Beim sechzig Dateien großen Testbaum war das Ausgabe-ZIP 14 490 Byte gegen 1 809 Byte Eingabe — achtmal so groß bei gleichem Inhalt. Enthält das Archiv wenige große, bereits komprimierte Dateien (Fotos, Video, ein vorher gepackter Datenbankauszug), ist der Unterschied fast null. Enthält es einen Quellbaum, rechne mit einem Sprung.

Bringt die Komprimierungsstufe im Werkzeug etwas?

Zwischen „keine“ und den anderen beiden ja: speichern statt komprimieren ergab 18 328 Byte gegen 14 490 beim Testbaum. Zwischen „normal“ und „maximal“ auf demselben Baum nein — beide erzeugten identische Dateien, und alle Stufen dazwischen ebenso. Bei einem einzelnen 92-KB-Dokument sparte die höchste Einstellung 39 Byte gegenüber der Voreinstellung. Komprimierungsstufen lohnen sich bei großen, textreichen Mitgliedern; bei einem Haufen kleiner sind sie ein Regler, der an nichts hängt. Nimm „keine“, wenn der Inhalt schon komprimiert ist und du nur einen Behälter willst, und sonst normal.

Kann ich beim Umwandeln von TAR in ZIP hier die Rechte behalten?

Nein, und das Werkzeug sagt es nicht. Seine interne Darstellung eines Mitglieds ist ein Pfad und ein Block Bytes, ohne Feld für den Modus; die Rechte in den Tar-Kopfsätzen werden überlesen und nie herausgeschrieben. Das für diesen Artikel erzeugte ZIP hatte bei allen sechzig Mitgliedern ein Nullfeld für die Rechte. Symbolische Links und Verzeichniseinträge fallen aus demselben Grund weg — nur als gewöhnliche Dateien gekennzeichnete Mitglieder bleiben. Wenn das zählt, pack mit tar und zip auf der Kommandozeile um, wo beide Formate die Metadaten nativ tragen. Wenn du nur jemandes Archiv auf einem Rechner lesen willst, der es nicht öffnet, betrifft dich nichts davon.