Formát souboru ZIM - soubor archivu OpenZIM
Co je soubor ZIM?
Soubory s příponou .zim jsou archivy vytvořené pro ukládání obsahu Wiki offline. Je považován za nejvhodnější otevřený formát souboru pro ukládání Wikipedie na USB. Ukládá obsah stránek v kompaktním formátu. Jeho název pochází z „Zeno IMproved“, což byl dřívější formát souboru Zeno. ZIM je spravován projektem openZIM , který je sponzorován Wikimedia CH a podporován Wikimedia Foundation. Soubory ZIM lze otevřít pomocí aplikací, jako je Kiwix a ZIMReader. Projekt OpenZIM hostil implementaci formátu souboru ZIM na Github za přispění komunity OpenSource.
Specifikace formátu souboru ZIM
Formát souboru ZIM byl vyvinut nad formát souboru Zeno a není zpětně kompatibilní. Specifikace formátu souboru ZIM jsou dostupné online od openZIM pro vývojáře. OpenZIM poskytl C++ open source implementaci, LibZim, pro čtení a zápis ZIM souborů.
Formát souboru ZIM používá kompresi LZMA2, aby byl obsah kompaktní.
Záhlaví ZIM
Soubor ZIM začíná záhlavím s offsetem 0. Všechny složky jsou založeny na little-endian a všechna celá čísla jsou celá čísla bez znaménka, tj. uint_16, uint_32, uint_64.
| Název pole | Typ | Offset | Délka | Popis |
|---|---|---|---|---|
| magicNumber | celé číslo | 0 | 4 | Magické číslo pro rozpoznání formátu souboru musí být 72173914 (0x44D495A) |
| hlavníVerze | celé číslo | 4 | 2 | Hlavní verze formátu souboru ZIM (5 nebo 6) |
| minorVerze | celé číslo | 6 | 2 | Menší verze formátu souboru ZIM |
| uuid | celé číslo | 8 | 16 | jedinečné ID tohoto souboru zim |
| počet článků | celé číslo | 24 | 4 | celkový počet článků |
| clusterCount | celé číslo | 28 | 4 | celkový počet shluků |
| urlPtrPos | celé číslo | 32 | 8 | pozice seznamu ukazatelů na adresář seřazené podle URL |
| titlePtrPos | celé číslo | 40 | 8 | pozice seznamu ukazatelů adresáře seřazeného podle Title |
| clusterPtrPos | celé číslo | 48 | 8 | pozice seznamu ukazatelů clusteru |
| mimeListPos | celé číslo | 56 | 8 | pozice seznamu MIME typů (také velikost záhlaví) |
| hlavní stránka | celé číslo | 64 | 4 | hlavní stránka nebo 0xffffffff, pokud není hlavní stránka |
| layoutPage | celé číslo | 68 | 4 | rozvržení stránky nebo 0xffffffffff, pokud není žádná stránka rozvržení |
| kontrolní součetPos | celé číslo | 72 | 8 | ukazatel na md5checksum tohoto souboru bez samotného kontrolního součtu. Toto ukazuje vždy 16 bajtů před koncem souboru. |