从GZIPInputStream读取大量字节

Question

我正在通过GZIPInputStream阅读gzip压缩文件。 我想一次读取大量数据，但是无论我要求GZIPInputStream读取多少字节，它总是读取的字节数要少得多。 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，在这种情况下为81920。 为什么会这样呢？ 有没有办法解决此问题，并且确实读取了更多字节？

Answer 1

如果您有大量数据，我会尝试使用akka流。

  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公开用于流处理的Flow api。

您还可以从中获得一个流：

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

Answer 2

读取返回的字节可能总是少于您要求的字节，因此通常您总是必须循环读取任意数量的字节。

换句话说，给GZIPInputStream一个大缓冲区并不意味着它将在给定请求中被填充。

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，请循环执行以耗尽资源，而不是发出一个读取：

  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

我并不是说这是要使用的API，只是为了演示。 我懒得写一个循环。

Answer 3

好的，我找到了解决方案。 GZIPInputStream有一个构造函数版本，该版本也采用缓冲区的大小。