Как я могу легко сжимать и распаковывать строки в/из массивов байтов?

У меня есть строки, которые имеют примерно 10K символов. В них много повторений. Они представляют собой сериализованные объекты JSON. Я бы хотел с легкостью сжать их в массив байтов и распаковать их из массива байтов.

Как я могу это сделать? Я ищу методы, поэтому могу сделать следующее:

String original = "....long string here with 10K characters...";
byte[] compressed = StringCompressor.compress(original);
String decompressed = StringCompressor.decompress(compressed);
assert(original.equals(decompressed);

Ответы

Ответ 1

Вы можете попробовать

enum StringCompressor {
    ;
    public static byte[] compress(String text) {
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        try {
            OutputStream out = new DeflaterOutputStream(baos);
            out.write(text.getBytes("UTF-8"));
            out.close();
        } catch (IOException e) {
            throw new AssertionError(e);
        }
        return baos.toByteArray();
    }

    public static String decompress(byte[] bytes) {
        InputStream in = new InflaterInputStream(new ByteArrayInputStream(bytes));
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        try {
            byte[] buffer = new byte[8192];
            int len;
            while((len = in.read(buffer))>0)
                baos.write(buffer, 0, len);
            return new String(baos.toByteArray(), "UTF-8");
        } catch (IOException e) {
            throw new AssertionError(e);
        }
    }
}

Ответ 2

Ответ Питера Лори может быть немного улучшен с использованием этого менее сложного кода для функции распаковки

    ByteArrayOutputStream baos = new ByteArrayOutputStream();
    try {
        OutputStream out = new InflaterOutputStream(baos);
        out.write(bytes);
        out.close();
        return new String(baos.toByteArray(), "UTF-8");
    } catch (IOException e) {
        throw new AssertionError(e);
    }

Ответ 3

Я создал библиотеку для решения проблемы сжатия родовых строк (очень короткие). Он пытается сжать String с использованием различных алгоритмов (простой utf-8, 5-битное кодирование для латинских букв, кодировка huffman, gzip для длинных строк) и выбирает один с самым коротким результатом (в худшем случае он выберет utf-8 кодирование, так что вы никогда не рискуете потерять пространство).

Я надеюсь, что это может быть полезно, здесь ссылка https://github.com/lithedream/lithestring

EDIT: Я понял, что ваши строки всегда "длинны", моя библиотека по умолчанию использует gzip для этих размеров, я боюсь, что не могу сделать лучше для вас.