为什么Java和Go的gzip得到不同的结果？

Question

首先，我的Java版本：

string str = "helloworld";
ByteArrayOutputStream localByteArrayOutputStream = new ByteArrayOutputStream(str.length());
GZIPOutputStream localGZIPOutputStream = new GZIPOutputStream(localByteArrayOutputStream);
localGZIPOutputStream.write(str.getBytes("UTF-8"));
localGZIPOutputStream.close();
localByteArrayOutputStream.close();
for(int i = 0;i < localByteArrayOutputStream.toByteArray().length;i ++){
    System.out.println(localByteArrayOutputStream.toByteArray()[i]);
}

和输出是：

31 -117 8 0 0 0 0 0 0 0 -53 72 -51 -55 -55 47 -49 47 -54 73 1 0 -83 32 -21 -7 10 0 0 0

然后是 Go 版本：

var gzBf bytes.Buffer
gzSizeBf := bufio.NewWriterSize(&gzBf, len(str))
gz := gzip.NewWriter(gzSizeBf)
gz.Write([]byte(str))
gz.Flush()
gz.Close()
gzSizeBf.Flush()
GB := (&gzBf).Bytes()
for i := 0; i < len(GB); i++ {
    fmt.Println(GB[i])
}

输出：

31 139 8 0 0 9 110 136 0 255 202 72 205 201 201 47 207 47 202 73 1 0 0 0 255 255 1 0 0 255 253 2 0 3 0 3 0 4 0

为什么？

一开始我以为可能是这两种语言的字节读取方式不同造成的。 但是我注意到 0 永远不能转换为 9。而且[]byte的大小是不同的。

我写错代码了吗？ 有什么办法可以让我的 Go 程序得到与 Java 程序相同的输出？

谢谢！

Answer 1

首先，Java 中的byte类型是有符号的，它的范围是-128..127 ，而在 Go 中byte是uint8的别名，范围是0..255 。 因此，如果要比较结果，则必须将负 Java 值移动256 （加上256 ）。

提示：要显示一个Java byte中一个无符号的值的方式，可使用： byteValue & 0xff其中其转换为int使用的8位byte作为最低8位int 。 或者更好：以十六进制形式显示两个结果，这样您就不必关心符号...

即使您进行了转变，您仍然会看到不同的结果。 这可能是由于不同语言的默认压缩级别不同。 请注意，虽然 Java 和 Go 中的默认压缩级别都是6 ，但这并未指定，并且允许不同的实现选择不同的值，并且在未来版本中也可能会更改。

即使压缩级别相同，您仍然可能会遇到差异，因为 gzip 基于LZ77和霍夫曼编码，后者使用建立在频率（概率）上的树来决定输出代码，以及不同的输入字符或位模式是否具有相同的频率，分配的代码在它们之间可能会有所不同，而且多个输出位模式可能具有相同的长度，因此可能会选择不同的位模式。

如果您想要相同的输出，唯一的方法是（请参阅下面的注释！ ）使用 0 压缩级别（根本不压缩）。 在 Go 中使用压缩级别gzip.NoCompression而在 Java 中使用Deflater.NO_COPMRESSION 。

爪哇：

GZIPOutputStream gzip = new GZIPOutputStream(localByteArrayOutputStream) {
    {
        def.setLevel(Deflater.NO_COMPRESSION);
    }
};

走：

gz, err := gzip.NewWriterLevel(gzSizeBf, gzip.NoCompression)

但我不会担心不同的输出。 Gzip 是一种标准，即使输出不同，您仍然可以使用任何用于压缩数据的 gzip 解码器来解压缩输出，并且解码后的数据将完全相同。

以下是简化的扩展版本：

这并不重要，但您的代码不必要地复杂。 您可以像这样简化它们（这些版本还包括设置 0 压缩级别和转换负 Java byte值）：

爪哇版：

ByteArrayOutputStream buf = new ByteArrayOutputStream();
GZIPOutputStream gz = new GZIPOutputStream(buf) {
    { def.setLevel(Deflater.NO_COMPRESSION); }
};
gz.write("helloworld".getBytes("UTF-8"));
gz.close();
for (byte b : buf.toByteArray())
    System.out.print((b & 0xff) + " ");

去版本：

var buf bytes.Buffer
gz, _ := gzip.NewWriterLevel(&buf, gzip.NoCompression)
gz.Write([]byte("helloworld"))
gz.Close()
fmt.Println(buf.Bytes())

笔记：

gzip 格式允许在输出中包含一些额外的字段（标题）。

在 Go 中，这些由gzip.Header类型表示：

type Header struct {
    Comment string    // comment
    Extra   []byte    // "extra data"
    ModTime time.Time // modification time
    Name    string    // file name
    OS      byte      // operating system type
}

它可以通过Writer.Header结构字段访问。 Go 设置并插入它们，而 Java不会（将标头字段保留为零）。 因此，即使您将两种语言的压缩级别设置为 0，输出也不会相同（但“压缩”数据将在两种输出中匹配）。

不幸的是，标准 Java 没有提供设置/添加这些字段的方法/接口，并且 Go 没有选择填充输出中的Header字段，因此您将无法生成准确的输出。

一种选择是使用支持设置这些字段的 Java 的 3rd 方 GZip 库。 Apache Commons Compress就是这样一个例子，它包含一个GzipCompressorOutputStream类，该类具有一个允许传递GzipParameters实例的构造函数。 此GzipParameters等效于gzip.Header结构。 只有使用它才能生成准确的输出。

但如前所述，生成精确的输出没有实际价值。

Answer 2

从RFC 1952 开始，GZip 文件头的结构如下：

+---+---+---+---+---+---+---+---+---+---+
|ID1|ID2|CM |FLG|     MTIME     |XFL|OS | (more-->)
+---+---+---+---+---+---+---+---+---+---+

查看您提供的输出，我们有：

                          |    Java |          Go
ID1                       |      31 |          31
ID2                       |     139 |         139
CM (compression method)   |       8 |           8
FLG (flags)               |       0 |           0
MTIME (modification time) | 0 0 0 0 | 0 9 110 136
XFL (extra flags)         |       0 |           0
OS (operating system)     |       0 |         255

所以我们可以看到 Go 正在设置 header 的修改时间字段，并将操作系统设置为255 （未知）而不是0 （FAT 文件系统）。 在其他方面，它们表明文件以相同的方式压缩。

一般来说，这些类型的差异是无害的。 如果您想确定两个压缩文件是否相同，那么您应该真正比较文件的解压缩版本。