Java java.io.IOException：不是GZIP格式

Question

我搜索了一个如何在Java中压缩字符串的示例。

我有一个压缩然后解压缩的功能。压缩似乎可以正常工作：

   public static String encStage1(String str)
   {
      String format1 = "ISO-8859-1";
      String format2 = "UTF-8";
      if (str == null || str.length() == 0)
      {
         return str;
      }
      System.out.println("String length : " + str.length());
      ByteArrayOutputStream out = new ByteArrayOutputStream();
      String outStr = null;
      try
      {
         GZIPOutputStream gzip = new GZIPOutputStream(out);
         gzip.write(str.getBytes());
         gzip.close();
         outStr = out.toString(format2);
         System.out.println("Output String lenght : " + outStr.length());
      } catch (Exception e)
      {
                  e.printStackTrace();

      }
      return outStr;
   }

但是相反的是，即使我将encStage1的返回结果直接传递回decStage3，也抱怨该字符串不是GZIP格式：

   public static String decStage3(String str)
   {
      if (str == null || str.length() == 0)
      {
         return str;
      }
      System.out.println("Input String length : " + str.length());
      String outStr = "";
      try
      {
         String format1 = "ISO-8859-1";
         String format2 = "UTF-8";
         GZIPInputStream gis = new GZIPInputStream(new ByteArrayInputStream(str.getBytes(format2)));
         BufferedReader bf = new BufferedReader(new InputStreamReader(gis, format2));
         String line;
         while ((line = bf.readLine()) != null)
         {
            outStr += line;
         }
         System.out.println("Output String lenght : " + outStr.length());
      } catch (Exception e)
      {
         e.printStackTrace();
      }
      return outStr;
   }

从encStage1返回的字符串调用时出现此错误：

   public String encIDData(String idData)
   {
      String tst = "A simple test string";
      System.out.println("Enc 0: " + tst);
      String stg1 = encStage1(tst);
      System.out.println("Enc 1: " + toHex(stg1));
      String dec1 = decStage3(stg1);
      System.out.println("unzip: " + toHex(dec1));
   }

输出/错误：

Enc 0: A simple test string
String length : 20
Output String lenght : 40
Enc 1: 1fefbfbd0800000000000000735428efbfbdefbfbd2defbfbd495528492d2e51282e29efbfbdefbfbd4b07005aefbfbd21efbfbd14000000
Input String length : 40
java.io.IOException: Not in GZIP format
    at java.util.zip.GZIPInputStream.readHeader(GZIPInputStream.java:137)
    at java.util.zip.GZIPInputStream.<init>(GZIPInputStream.java:58)
    at java.util.zip.GZIPInputStream.<init>(GZIPInputStream.java:68)

Answer 1

一个小错误是：

     gzip.write(str.getBytes());

采用默认的平台编码，在Windows上永远不会是ISO-8859-1。更好：

     gzip.write(str.getBytes(format1));

您可以考虑采用Windows Latin-1（对于某些欧洲语言）为“ Cp1252”，而不是采用Latin-1为“ ISO-8859-1”。这就增加了引号之类的逗号。

主要错误是将压缩字节转换为字符串。Java将二进制数据（字节[]，InputStream，OutputStream）与文本（字符串，字符，读者，作家）分开，后者内部始终以Unicode格式保存。字节序列不需要是有效的UTF-8。您可以通过将字节转换为单字节编码（例如ISO-8859-1）来摆脱困境。

最好的方法是

     gzip.write(str.getBytes(StandardCharsets.UTF_8));

因此，您具有完整的Unicode，每个脚本都可以组合。

并解压缩到ByteArrayOutputStream和new String(baos.toByteArray(), StandardCharsets.UTF_8)。在带有UTF-8的InputStreamReader上使用BufferedReader也是可以的，但是readLine会丢弃换行符

outStr += line + "\r\n"; // Or so.

干净答案：

public static byte[] encStage1(String str) throws IOException
{
   try (ByteArrayOutputStream out = new ByteArrayOutputStream())
   {
       try (GZIPOutputStream gzip = new GZIPOutputStream(out))
       {
           gzip.write(str.getBytes(StandardCharsets.UTF_8));
       }
       return out.toByteArray();
       //return out.toString(StandardCharsets.ISO_8859_1);
       // Some single byte encoding
   }
}

public static String decStage3(byte[] str) throws IOException
{
   ByteArrayOutputStream baos = new ByteArrayOutputStream();
   try (GZIPInputStream gis = new GZIPInputStream(new ByteArrayInputStream(str)))
   {
       int b;
       while ((b = gis.read()) != -1) {
           baos.write((byte) b);
       }
   }
   return new String(baos.toByteArray(), StandardCharset.UTF_8);
}