java - 字符串、byte[] 和压缩

Question

我们可以轻松地将String与byte[]反汇编

        String s = "my string";
        byte[] b = s.getBytes();
        System.out.println(new String(b)); // my string

当涉及压缩时，似乎存在一些问题。假设您有 2 个方法，compress 和 uncompress(下面的代码工作正常)

public static byte[] compress(String data) 
             throws UnsupportedEncodingException, IOException {
    byte[] input = data.getBytes("UTF-8");
    Deflater df = new Deflater();
    df.setLevel(Deflater.BEST_COMPRESSION);
    df.setInput(input);

    ByteArrayOutputStream baos = new ByteArrayOutputStream(input.length);
    df.finish();
    byte[] buff = new byte[1024];
    while (!df.finished()) {
        int count = df.deflate(buff);
        baos.write(buff, 0, count);
    }
    baos.close();
    byte[] output = baos.toByteArray();

    return output;
}

public static String uncompress(byte[] input) 
            throws UnsupportedEncodingException, IOException,
        DataFormatException {
    Inflater ifl = new Inflater();
    ifl.setInput(input);

    ByteArrayOutputStream baos = new ByteArrayOutputStream(input.length);
    byte[] buff = new byte[1024];
    while (!ifl.finished()) {
        int count = ifl.inflate(buff);
        baos.write(buff, 0, count);
    }
    baos.close();
    byte[] output = baos.toByteArray();

    return new String(output);
}

我的测试工作如下(工作正常)

String text = "some text";
byte[] bytes = Compressor.compress(text);
assertEquals(Compressor.uncompress(bytes), text); // works

出于其他原因，为什么不呢，我想修改第一个方法以返回 String 而不是 byte[]。

所以我从compress方法返回新的String(output)并将我的测试修改为:

String text = "some text";
String compressedText = Compressor.compress(text);
assertEquals(Compressor.uncompress(compressedText.getBytes), text); //fails

此测试失败，并显示 java.util.zip.DataFormatException:错误的 header 检查

这是为什么呢？需要做什么才能使其发挥作用？

Answer 1

String(byte[]) 构造函数是问题所在。您不能简单地获取任意字节，将它们转换为字符串，然后再转换回字节数组。 String 类根据所需的字符集对此byte 执行复杂的编码。如果给定的字节序列无法表示，例如在 Unicode 中，它将被丢弃或转换为其他内容。仅当这些字节确实表示某些String(以某种编码方式)时，从字节到String再返回到bytes的转换才是无损的。

这是一个最简单的例子:

new String(new byte[]{-128}, "UTF-8").getBytes("UTF-8")

以上返回 -17, -65, -67，而 127 输入返回完全相同的输出。