ZIPの圧縮率はなぜファイルによって大きく違うのか

「ZIPで圧縮したのにほとんど小さくならなかった」「テキストファイルは圧縮後にサイズが激減した」という経験はありませんか？ ZIPの圧縮率はファイルの種類によって大きく異なります。この記事では、その理由と各ファイル形式の特性を解説します。

ZIPで使われる圧縮アルゴリズム：Deflate

ZIPフォーマット（.zip）は主に Deflate アルゴリズムを使用します。Deflateは以下の2つの技術を組み合わせたものです。

• LZ77（Lempel-Ziv 1977）：データ中の繰り返しパターンを「以前に出現した位置への参照」で置き換える
• ハフマン符号化：出現頻度の高い文字を短いビット列で表現する

つまり、繰り返しパターンが多いデータほど圧縮率が高く、逆にランダムなデータや既に圧縮済みのデータはほとんど圧縮できません。

ファイル形式別の圧縮率

圧縮済みファイルがさらに大きくなる場合

JPEGやMP4などの既に圧縮されたファイルをZIPで圧縮すると、ZIPのヘッダー（ファイルメタデータ）分だけ わずかにサイズが増える ことがあります。ZIPフォーマットは各ファイルに対してローカルファイルヘッダー（30バイト以上）と、ZIP全体のセントラルディレクトリを持つためです。

JPEGファイル (1.00 MB)
 └── ZIP圧縮後: 1.00 MB + ヘッダー（約50B）= わずかに増加

「Store」モードとの使い分け

ZIPには圧縮せずにファイルを格納する Store モードがあります。既に圧縮済みのファイル（JPEG、MP4など）を複数まとめる場合は、Storeモードを使うと圧縮処理のCPU負荷をなくしながら同等のサイズで格納できます。

# zip コマンドで圧縮レベルを指定
zip -0 archive.zip image.jpg video.mp4   # Store（圧縮なし）
zip -9 archive.zip data.csv report.txt   # 最大圧縮

# Python で圧縮レベルを指定
import zipfile
with zipfile.ZipFile('archive.zip', 'w', zipfile.ZIP_DEFLATED, compresslevel=9) as zf:
    zf.write('data.csv')

テスト用ZIPファイルの特性

DevLab のテスト用ZIPファイルは、ファイルサイズを正確にコントロールするために、ランダムデータ（擬似ランダムバイト列） を格納しています。ランダムデータはエントロピーが最大なので Deflate でほぼ圧縮されません。そのため、「10MBのZIPファイル」= 「解凍後も10MB前後」となります。

もし「解凍後に特定のサイズになるZIPが必要」という場合は、以下のような方法でテスト用ファイルを作成できます。

# 解凍後ちょうど 100MB になるZIPを作成（ゼロバイト埋め、高圧縮）
dd if=/dev/zero bs=1M count=100 | zip -9 zero-100mb.zip -

# 解凍後ちょうど 100MB になるZIPを作成（ランダムデータ、ほぼ無圧縮）
dd if=/dev/urandom bs=1M count=100 | zip -0 random-100mb.zip -

まとめ

• ZIPの圧縮率は データの繰り返しパターン の多さで決まる
• テキスト・CSV・XMLは 60〜85%削減 できる
• JPEG・MP4・既圧縮ファイルは ほぼ圧縮できない（むしろわずかに増加）
• 既圧縮ファイルをまとめる場合は Storeモード（-0） でCPU節約
• DevLabのテスト用ZIPはランダムデータを使用しているため、解凍前後でほぼ同サイズ

→ テスト用ZIPファイルのダウンロードはこちら