bgzip - Utilidad de compresión/descompresión de bloques
bgzip [-cdfhikrt] [-b virtualOffset] [-I index_name] [-l compression_level] [-s size] [-@ threads] [file]
Bgzip comprime archivos de forma similar y compatible con gzip(1). El archivo se comprime en una serie de pequeños bloques 'BGZF' (menos de 64K). Esto permite crear índices contra el archivo comprimido y usarlos para recuperar partes de los datos sin tener que descomprimir todo el archivo.
Si no se especifican archivos en la línea de comando, bgzip comprimirá (o descomprimirá si se usa la opción -d) la entrada estándar a la salida estándar. Si se especifica un archivo, se comprimirá (o se descomprimirá con -d). Si se usa la opción -c, el resultado se escribirá en la salida estándar; de lo contrario, al comprimir bgzip, se escribirá en un archivo nuevo con el sufijo .gz y se eliminará el original. Al descomprimir, el archivo de entrada debe tener un sufijo .gz, que se eliminará para hacer el nombre de salida. Nuevamente, después de que se complete la descompresión, se eliminará el archivo de entrada.
Bgzip intentará asegurarse de que los bloques BGZF terminen en una nueva línea cuando la entrada sea un archivo de texto. La excepción a esto es cuando una sola línea es más grande que un bloque BGZF (64 Kb). Esto puede ayudar a las herramientas que utilizan el índice para realizar un acceso aleatorio a la secuencia comprimida, ya que es probable que el inicio de un bloque también sea el inicio de un registro de texto.
Esta opción procesa los archivos de texto como si fueran contenido binario, ignorando la ubicación de las líneas nuevas. Esto también restaura el comportamiento de los archivos de texto a la versión 1.15 y anteriores de bgzip.
Descomprima a la salida estándar desde la posición del archivo virtual (compensación sin comprimir basada en 0). Implica -c y -d.
Escriba en la salida estándar, mantenga los archivos originales sin cambios.
Descomprimir.
Sobrescriba archivos sin preguntar o descomprima archivos que no tengan una extensión de nombre de archivo de compresión conocida (por ejemplo, .gz) sin preguntar. Usa --force dos veces para hacer ambas cosas sin preguntar.
Intente usar un índice existente para crear un archivo comprimido con compensaciones de bloque coincidentes. El índice debe especificarse mediante la opción -I file.gzi. Tenga en cuenta que esto supone que se utilizan la misma biblioteca de compresión y el mismo nivel que cuando se creó el archivo original. No lo use a menos que sepa lo que está haciendo.
Muestra un mensaje de ayuda.
Cree un índice BGZF mientras comprime. A menos que se use la opción -I, tendrá el nombre del archivo comprimido con .gzi adjunto.
Nombre del archivo de índice.
No elimine el archivo de entrada durante la operación.
Nivel de compresión a utilizar al comprimir. De 0 a 9, o -1 para el nivel predeterminado establecido por la biblioteca de compresión. [-1]
Reconstruya el índice en un archivo comprimido existente.
Descomprima los bytes INT (tamaño sin comprimir) a la salida estándar. Implica -c.
Pruebe la integridad del archivo comprimido.
Número de subprocesos a utilizar [1].
El formato BGZF escrito por bgzip se describe en la especificación de formato SAM disponible en http://samtools.github.io/hts-specs/SAMv1.pdf.
Hace uso de una función gzip que permite concatenar archivos comprimidos. Los datos de entrada se dividen en bloques que no superan los 64 kilobytes antes y después de la compresión (incluidos los encabezados de compresión). Cada bloque se comprime en un archivo gzip. El encabezado gzip incluye un subcampo adicional con el identificador 'BC' y la longitud del bloque comprimido, incluidos todos los encabezados.
El formato de índice es un archivo binario que enumera pares de compensaciones comprimidas y sin comprimir en un archivo BGZF. Cada desplazamiento comprimido apunta al inicio de un bloque BGZF. El desplazamiento sin comprimir es la ubicación correspondiente en el flujo de datos sin comprimir.
Todos los valores se almacenan como enteros sin signo little-endian de 64 bits.
Los contenidos del archivo son:
uint64_t number_entriesseguido de number_entries pares de:
uint64_t compressed_offset
uint64_t uncompressed_offset# Compress stdin to stdout
bgzip < /usr/share/dict/words > /tmp/words.gz
# Make a .gzi index
bgzip -r /tmp/words.gz
# Extract part of the data using the index
bgzip -b 367635 -s 4 /tmp/words.gz
# Uncompress the whole file, removing the compressed copy
bgzip -d /tmp/words.gzLa biblioteca BGZF fue implementada originalmente por Bob Handsaker y modificada por Heng Li para acceso remoto a archivos y almacenamiento en memoria caché.
gzip(1), tabix(1)