Java利用Gzip对字符串进行压缩与解压

Posted 2022-08-06 然笑后端

在某些业务场景下，可能需要对字符串进行压缩与解压，压缩字符串可以使用 GZIPOutputStream 输出流来实现，而解压可以使用 GZIPInputStream 输入流来实现，下面先给出具体的参考代码，然后再分析其中的实现原理。

::: hljs-center

:::

1、代码实现

package com.magic.zip;

import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
import java.util.zip.GZIPInputStream;
import java.util.zip.GZIPOutputStream;

public class GzipUtils 

    /**
     * 压缩字符串
     *
     * @param str 需要压缩的源字符串
     * @return 压缩后的字符串
     */
    public static String compress(String str) 
        if (null == str || str.length() <= 0) 
            return str;
        

        try (ByteArrayOutputStream out = new ByteArrayOutputStream();
             GZIPOutputStream gzip = new GZIPOutputStream(out)) 

            // 将字符串以字节的形式写入到 GZIP 压缩输出流中
            gzip.write(str.getBytes(StandardCharsets.UTF_8));
            gzip.close();

            return out.toString(StandardCharsets.ISO_8859_1.name());
         catch (IOException e) 
            e.printStackTrace();
        

        return str;
    

    /**
     * 解压缩字符串
     *
     * @param str 待解压的字符串
     * @return 解压后的字符串
     */
    public static String decompress(String str) 
        if (str == null || str.length() == 0) 
            return str;
        

        try (ByteArrayOutputStream out = new ByteArrayOutputStream();
             ByteArrayInputStream in = new ByteArrayInputStream(str.getBytes(StandardCharsets.ISO_8859_1));
             GZIPInputStream gunzip = new GZIPInputStream(in)) 

            byte[] buffer = new byte[256];
            int n;
            // 从 GZIP 压缩输入流读取字节数据到 buffer 数组中
            while ((n = gunzip.read(buffer)) >= 0) 
                out.write(buffer, 0, n);
            

            return out.toString(StandardCharsets.UTF_8.name());
         catch (IOException e) 
            e.printStackTrace();
        

        return str;
    

2、原理分析

2.1 字符串压缩

字符串压缩的实现原理如下：

• 首先构建 GZIPOutputStream 压缩输出流，然后将需要压缩的字符串写入输出流中，在写入 GZIPOutputStream 输出流的时候，就会使用 deflate 压缩算法对字符串进行压缩，具体的实现可以参考 GZIPOutputStream 的父类 DeflaterOutputStream 和默认的压缩器 Deflater 类的源码实现；
• 将 GZIPOutputStream 压缩输出流转换为 ByteArrayOutputStream 字节数组输出流；
• 最后再将 ByteArrayOutputStream 字节数组输出流转换为字符串 String;

关于 GZIPOutputStream 和 ByteArrayOutputStream 类的源码分析，可以参考我写的另外两篇文章：

• 【水煮 JDK 源码】- GZIPOutputStream 类源码分析
• 【水煮 JDK 源码】- ByteArrayOutputStream类源码分析

2.2 字符串解压

压缩后的字符串解压缩的实现原理如下：

• 首先使用压缩后的字符串构建字节数组输入流 ByteArrayInputStream；
• 然后使用 ByteArrayInputStream 字节数组输入流构建 GZIPInputStream 压缩输入流，GZIPInputStream 类主要就是用来读取 GZIP 格式的压缩数据的，这个过程会对压缩数据进行解压，具体压缩的实现可以参考 GZIPInputStream 的父类 InflaterInputStream 和默认的解压器 Inflater 类的源码实现；
• 从 GZIPInputStream 压缩输入流中读取数据，然后再写入到 ByteArrayOutputStream 字节数组输出流中；
• 最后再将 ByteArrayOutputStream 字节数组输出流转换为 String，得到解压后的字符串；

关于 GZIPInputStream 、ByteArrayInputStream 和 ByteArrayOutputStream 类的源码分析，可以参考我写的另外三篇文章：

• 【水煮 JDK 源码】- GZIPInputStream 类源码分析
• 【水煮 JDK 源码】- ByteArrayInputStream 类源码分析
• 【水煮 JDK 源码】- ByteArrayOutputStream 类源码分析

不论是字符串压缩还是字符串解压缩，最终将数据流转换为字符串时，都用到了 ByteArrayOutputStream 字节数组输出流。

2.3 字符编码

在压缩和解压的过程中，都需要先将字符串转换为字节流，然后再将字节流转换为字符串，转换的过程中会涉及到编码格式，比如在上面的示例代码中，使用到了两种编码格式：StandardCharsets.UTF_8 和 StandardCharsets.ISO_8859_1，压缩和解压的编码选择应该是一致的，否则可能会导致解压失败。

下面来简单分析一下 StandardCharsets 编码类。

public final class StandardCharsets 

    /** 构造函数为私有的，不能被实例化 */
    private StandardCharsets() 
        throw new AssertionError("No java.nio.charset.StandardCharsets instances for you!");
    
    /** US-ASCII(7位 ASCII 编码\\ISO646-US\\Basic Latin) */
    public static final Charset US_ASCII = Charset.forName("US-ASCII");
    /** ISO-8859-1(ISO 拉丁字母 编码\\ISO-LATIN-1) */
    public static final Charset ISO_8859_1 = Charset.forName("ISO-8859-1");
    /** UTF-8(八位 UCS 转换格式) */
    public static final Charset UTF_8 = Charset.forName("UTF-8");
    /** UTF-16BE(十六位 UCS 转换格式, 大端字节序) */
    public static final Charset UTF_16BE = Charset.forName("UTF-16BE");
     /** UTF-16LE(十六位 UCS 转换格式, 小端字节序) */
    public static final Charset UTF_16LE = Charset.forName("UTF-16LE");
    /** UTF-16(十六位 UCS 转换格式，由可选字节顺序标记标识的字节顺序) */
    public static final Charset UTF_16 = Charset.forName("UTF-16");

StandardCharsets 类位于 java.nio.charset 包下，它是一个标准字符集常量定义类，一共定义了6种字符集 Charset，有常见的 UTF-8 和 ISO-8859-1，在平时的编码过程中，如果有使用到编码字符集，可以直接使用 StandardCharsets ，如果需要获取字符集的名称，可以调用 Charset 的 name() 方法或者 displayName() 方法，如下：

public static void main(String[] args) throws IOException 
    System.out.println(StandardCharsets.UTF_8.name());
    System.out.println(StandardCharsets.UTF_8.displayName());

输出的结果都是 UTF-8，如下：

UTF-8
UTF-8

3、测试验证

下面来测试验证一下字符串的压缩与解压。

public static void main(String[] args) throws IOException 
    System.out.println(GzipUtils.compress("123456"));
    System.out.println(GzipUtils.decompress(compress("123456")));

运行程序，输出结果如下：

       342615 aÓr    
123456

从输出结果可以看出，字符串被压缩后，如果直接输出，得到的将会是乱码。