Tiedostomuodot selitettynä: mitä pääte kertoo tiedostosta

Tiedosto on levyllä pitkä jono tavuja. Jono ei sisällä mitään, mikä kertoisi ihmiselle mistä on kyse. Merkityksen antaa sopimus siitä, mitä tavut tarkoittavat: mistä kohtaa alkaa otsikkotieto, mikä osa on varsinaista sisältöä ja miten sisältö on koodattu. Tätä sopimusta kutsutaan tiedostomuodoksi.

Pääte on eri asia. Se on nimen viimeinen osa pisteen jälkeen, ja se on tarkoitettu nopeaksi vihjeeksi. Vihje on yleensä oikea, koska ohjelmat kirjoittavat päätteen itse tallentaessaan. Mutta vihje voi olla myös väärä, eikä sen muuttaminen muuta yhtään tavua itse tiedostossa. Tästä syntyy suuri osa arjen sekaannuksista: tiedosto ei aukea, vaikka pääte näyttää oikealta, tai aukeaa väärässä ohjelmassa vaikka pääte on oikea.

Se, mikä ohjelma tiedoston avaa, on käyttöjärjestelmän asetus eikä tiedoston ominaisuus. Miten avaava ohjelma vaihdetaan, on käsitelty artikkelissa oletussovelluksista.

Miten ohjelma oikeasti tunnistaa muodon

Useimmat tiedostomuodot alkavat tunnistekuviolla, joka on muutama kiinteä tavu tiedoston alussa. Kuvio kertoo lukevalle ohjelmalle, minkä määrittelyn mukaan loppua kannattaa tulkita. Tätä käytetään siksi, että se on nimeä luotettavampi: sisältö kulkee tavujen mukana, nimi ei.

Verkossa käytetään lisäksi erillistä tyyppimerkintää, joka kulkee tiedoston mukana palvelimen lähettämässä otsakkeessa. Tyypit ovat rekisteröityjä ja niitä ylläpidetään keskitetysti, mikä on syy siihen, että selain osaa avata saman kuvan samalla tavalla riippumatta siitä, mikä palvelin sen lähetti.

Käyttöjärjestelmän tiedostoikkuna toimii yksinkertaisemmin. Se katsoo päätettä ja valitsee sen perusteella kuvakkeen ja avaavan ohjelman. Siksi väärä pääte näyttää tiedostoikkunassa väärältä mutta voi silti avautua ohjelmassa, joka tarkistaa sisällön.

Käytännön seuraus on selvä. Jos joudut nimeämään päätteen uudelleen, kyse on korkeintaan vihjeen korjaamisesta. Muunnos toiseen muotoon vaatii aina ohjelman, joka lukee sisällön sisään ja kirjoittaa sen ulos toisen määrittelyn mukaisesti.

Häviötön ja häviöllinen tallennus ratkaisevat, mitä menetät

Häviötön tallennus säilyttää kaiken. Kun tiedosto avataan, tulos on tavu tavulta sama kuin lähtötilanteessa. Häviötön pakkaus voi silti pienentää tiedostoa, koska se poistaa toistoa eikä sisältöä. Tämä mekanismi on selitetty tarkemmin artikkelissa pakkauksesta ja zip-tiedostoista.

Häviöllinen tallennus tekee toisin. Se heittää pois sitä osaa tiedosta, jota ihmisaisti ei helposti huomaa: kuvassa hienoja värivaihteluita, äänessä taajuuksia jotka jäävät voimakkaampien alle. Lopputulos näyttää tai kuulostaa lähes samalta, mutta poistettu tieto on lopullisesti poissa. Juuri tästä syystä valokuvat mahtuvat puhelimeen tuhansittain.

Häviöllisessä muodossa on lisäksi laatuasetus, joka ei näy tiedoston nimessä mitenkään. Sama pääte voi tarkoittaa lähes alkuperäistä laatua tai voimakkaasti karsittua versiota, ja ero näkyy vain tiedoston koossa. Tämä on yksi syy siihen, miksi kahden samannimisen kuvan koko voi poiketa moninkertaisesti. Miten kokoluvut kannattaa lukea, on käyty läpi artikkelissa tavuista ja gigatavuista.

Nyrkkisääntö: terävät reunat ja tasaiset väripinnat kuuluvat häviöttömään muotoon, luonnolliset valokuvat häviölliseen. Kuvakaappaus tekstistä häviöllisenä näyttää sumealta juuri siksi, että menetelmä on suunniteltu valokuville eikä kirjaimille.

Sama jako toistuu äänessä ja videossa

Äänen kohdalla erottelu on kolmiportainen. Pakkaamaton ääni tallentaa mittausarvot sellaisenaan ja vie eniten tilaa. Häviöttömästi pakattu ääni on pienempi mutta palautuu identtisenä. Häviöllisesti pakattu ääni on selvästi pienin, ja se riittää normaaliin kuunteluun.

Video on käytännössä aina häviöllinen, koska pakkaamaton videokuva olisi arjessa mahdotonta kokoluokkaa. Videossa on lisäksi kaksi erillistä käsitettä, jotka menevät helposti sekaisin. Säiliömuoto määrittää, miten kuva, ääni ja tekstitykset niputetaan yhteen tiedostoon. Koodekki määrittää, miten itse kuva on pakattu. Sama säiliö voi sisältää eri koodekilla pakattua kuvaa, ja juuri siksi video voi avautua mutta jäädä äänettömäksi tai näyttää mustaa ruutua.

Tämä selittää tavallisen ongelman, jossa videotiedosto toimii yhdessä laitteessa mutta ei toisessa. Vika ei ole tiedostossa vaan siinä, että toisesta laitteesta puuttuu kyky purkaa kyseinen koodekki. Purkaminen tehdään nykyään usein suoraan laitteiston avulla, mikä on nopeaa ja säästää akkua, mutta samalla se tarkoittaa, että tuki on sidottu laitesukupolveen. Vanhempi laite voi siis olla muuten täysin toimiva mutta osaamaton juuri sen uusimman koodekin kanssa.

Tekstityksissä on vielä oma mutkansa. Tekstitys voi olla upotettuna säiliön sisään omana raitanaan, poltettuna kiinni kuvaan tai erillisenä tekstitiedostona videon vieressä. Vain ensimmäisen ja kolmannen voi kytkeä pois, ja vain erillinen tiedosto katoaa, jos videota siirretään ilman sitä.

Avoin vai suljettu muoto: pitkä säilytys ratkaisee

Avoin muoto tarkoittaa, että määrittely on julkaistu ja kuka tahansa voi toteuttaa sen. Suljettu muoto on yhden valmistajan hallinnassa, eikä sen rakennetta ole välttämättä kuvattu julkisesti. Ero ei näy arjessa lainkaan niin kauan kuin ohjelma on olemassa ja toimii. Se näkyy kymmenen vuoden päästä.

Ohjelmat vanhenevat, yritykset lopettavat tuotteita ja tilausmalli voi päättyä. Jos tiedosto on avoimessa muodossa, joku pystyy kirjoittamaan sille lukijan määrittelyn perusteella. Jos muoto on suljettu ja dokumentoimaton, tiedoston avaaminen riippuu siitä, jatkaako joku alkuperäisen ohjelman ylläpitoa. Sama periaate koskee ohjelmistoja laajemminkin, ja se on käsitelty artikkelissa avoimesta lähdekoodista käyttäjän kannalta.

Asiakirjojen puolella on olemassa standardoituja muotoja nimenomaan pitkäaikaissäilytykseen. Arkistointiin tarkoitettu pdf-muunnos on standardoitu erikseen, ja se poikkeaa tavallisesta pdf-tiedostosta siinä, että se vaatii kaiken tarvittavan upottamista tiedoston sisään: kirjasimet, värimäärittelyt ja rakennetiedot. Myös toimisto-ohjelmien asiakirjamuodot on standardoitu, sekä avoimen että laajasti käytetyn valmistajakohtaisen muodon osalta.

Käytännössä valinta ei ole jyrkkä joko tai. Moni suljettu muoto on niin laajasti käytetty, että sille on olemassa useita lukijoita, ja moni avoin muoto on niin harvinainen, ettei sitä osaa avata kukaan. Ratkaiseva kysymys on siksi kaksiosainen: onko määrittely julkinen ja onko toteuttajia useampi kuin yksi. Jos molempiin voi vastata kyllä, muoto kestää todennäköisesti pidempään kuin se ohjelma, jolla tiedosto tehtiin.

Yksinkertaisin sääntö säilytettävälle aineistolle: mitä yksinkertaisempi muoto, sitä paremmin se kestää aikaa. Pelkkä teksti kestää melkein mitä tahansa. Taulukkolaskennan tulos kannattaa tallentaa myös erotinmerkkeihin perustuvana tekstitiedostona, koska sen pystyy lukemaan käsin vielä silloin kun ohjelmaa ei ole.

Muunnos on kertakäyttöinen, jos molemmat päät ovat häviöllisiä

Jokainen häviöllinen tallennus tekee saman arvion uudelleen. Kun avaat häviöllisen kuvan ja tallennat sen uudelleen häviöllisenä, ohjelma pakkaa jo kertaalleen karsitun kuvan uudestaan. Se ei osaa palauttaa poistettua, joten se karsii lisää. Ilmiö toistuu joka kierroksella, ja lopputulos on vähitellen sumeampi tai epätarkempi.

Ero ei näy yhdellä kierroksella juuri lainkaan. Se näkyy silloin, kun kuva on käynyt läpi useita viestisovelluksia, ruutukaappauksia ja uudelleenlähetyksiä. Sama koskee ääntä.

Käytännön sääntö on säilyttää alkuperäinen erikseen ja tehdä muunnokset aina siitä. Jos kuvaa pitää rajata ja jakaa, tee molemmat operaatiot yhdellä kertaa alkuperäisestä sen sijaan että avaisit ja tallentaisit jakoversiota moneen kertaan.

Muunnoksissa katoaa usein myös metatieto. Kuvatiedostossa voi olla kuvausaika, kameran tiedot ja mahdollinen sijainti, ja monet muunnos- ja jakopalvelut poistavat ne. Metatiedon lukeminen ja sen puuttumisen tulkinta on käsitelty artikkelissa kuvan alkuperän tarkistuksesta. Metatiedon katoaminen on toisinaan hyvä asia yksityisyyden kannalta ja toisinaan harmillista, jos kuvien järjestys perustuu kuvausaikaan.

Näin valitset muodon jakamiseen ja arkistointiin

Valinta on helppo, kun kysyy kaksi kysymystä: onko tämä alkuperäinen aineisto, ja tarvitseeko vastaanottajan muokata sitä.

1. Alkuperäinen valokuva tai äänite: säilytä siinä muodossa, jossa laite sen tuotti, ja jätä se koskematta. Tämä on ainoa kappale, josta kaikki muut versiot tehdään.
2. Muokattava asiakirja: käytä toimisto-ohjelman omaa muotoa ja suosi avointa standardoitua vaihtoehtoa, jos molemmat päät tukevat sitä.
3. Jaettava asiakirja, jota ei saa muuttua: käytä pdf-muotoa. Se säilyttää ulkoasun laitteesta riippumatta.
4. Pitkäaikaissäilytys: käytä arkistointiin tarkoitettua pdf-muunnosta tai avointa standardimuotoa, ja upota kirjasimet.
5. Verkkoon jaettava kuva: käytä häviöllistä muotoa ja pienennä mitat käyttötarkoitukseen sopiviksi. Sen jälkeen tiedostokoko on murto-osa alkuperäisestä.
6. Grafiikka, kuvakaappaus tai logo: käytä häviötöntä muotoa, jotta tekstin reunat pysyvät terävinä.
7. Taulukko tai luettelo, joka pitää siirtää järjestelmästä toiseen: vie se erotinmerkkeihin perustuvana tekstitiedostona ja tarkista merkistö.

Merkistö on oma sudenkuoppansa. Suomen ääkköset menevät rikki silloin, kun tiedosto on kirjoitettu yhdellä merkistöllä ja luetaan toisella. Nykyinen oletus on käytännössä kaikkialla sama, mutta vanhoissa tiedostoissa ja joissakin viennissä voi joutua valitsemaan merkistön käsin.

Tarkistuslista ennen tallennusta

Ennen kuin tallennat tai jaat, käy läpi neljä kohtaa.

Onko tämä alkuperäinen vai kopio? Alkuperäistä ei muunneta eikä tallenneta päälle. Pidä alkuperäiset omassa kansiossaan, mikä on osa laajempaa käytäntöä tiedostojen järjestämisessä.

Tarvitseeko vastaanottaja muokata sisältöä? Jos ei tarvitse, lähetä muoto, joka ei muutu matkalla. Jos tarvitsee, varmista että hänellä on ohjelma, joka lukee muodon, tai valitse yleisesti tuettu vaihtoehto.

Kestääkö tämä kymmenen vuotta? Jos aineisto on tärkeä, tallenna se myös avoimeen muotoon toisena kappaleena. Pilvipalvelun versiohistoria ei korvaa tätä, koska se on sidottu yhteen palveluun ja rajattuun säilytysaikaan, joten aineisto tarvitsee myös oikean varmuuskopion.

Onko tiedostossa jotain, mitä et halua jakaa? Tarkista metatiedot ennen julkista jakamista, erityisesti kuvien sijaintitiedot ja asiakirjojen muutoshistoria ja kommentit, jotka eivät näy tulosteessa mutta kulkevat tiedoston mukana.