从 GZIPInputStream 读取大量字节

Question

我正在通过 GZIPInputStream 读取 gzip 文件。我想一次读取大量数据，但无论我要求 GZIPInputStream 读取多少字节，它读取的字节数总是少得多。例如，

val bArray = new Array[Byte](81920)
val fis = new FileInputStream(new File(inputFileName))
val gis = new GZIPInputStream(fis)
val bytesRead =  gis.read(bArray)

读取的字节总是在 1800 字节左右，而它应该几乎等于 bArray 的大小，在本例中为 81920。为什么会这样？有没有办法解决这个问题，真的有更多的读取字节数？

Answer 1

如果您有大量数据，我会尝试使用 akka-streams。

  implicit val system = ActorSystem()
  implicit val ec = system.dispatcher
  implicit val materializer = ActorMaterializer()

  val fis = new FileInputStream(new File(""))
  val gis = new GZIPInputStream(fis) 
  val bfs: BufferedSource = Source.fromInputStream(gis)

bfs 公开了 Flow api 用于流处理。

您还可以从中获取流：

val ss: Stream[String] = bfs.bufferedReader().lines()

Answer 2

好的，我找到了解决方案。 GZIPInputStream 的构造函数版本也采用缓冲区的大小。

Answer 3

读取的字节数可能总是 return 少于您要求的字节数，因此通常您总是必须循环读取，想读多少就读多少。

换句话说，给 GZIPInputStream 一个大缓冲区并不意味着它会根据给定的请求被填充。

import java.util.zip.GZIPInputStream
import java.io.FileInputStream
import java.io.File
import java.io.InputStream
import java.io.FilterInputStream

object Unzipped extends App {
  val inputFileName = "/tmp/sss.gz"
  val bArray = new Array[Byte](80 * 1024)
  val fis = new FileInputStream(new File(inputFileName))
  val stingy = new StingyInputStream(fis)
  val gis = new GZIPInputStream(stingy, 80 * 1024)
  val bytesRead = gis.read(bArray, 0, bArray.length)
  println(bytesRead)
}

class StingyInputStream(is: InputStream) extends FilterInputStream(is) {
  override def read(b: Array[Byte], off: Int, len: Int) = {
    val n = len.min(1024)
    super.read(b, off, n)
  }
}

因此，loop to drain 而不是发出一读：

  import reflect.io.Streamable.Bytes
  val sb = new Bytes {
    override val length = 80 * 1024L
    override val inputStream = gis
  }
  val res = sb.toByteArray()
  println(res.length)  // your explicit length

我不是说那是API使用，它只是为了演示。懒得写循环了

从 GZIPInputStream 读取大量字节

Reading large number of bytes from GZIPInputStream

java

gzip

scala

gzipinputstream