如何在Java中壓縮String？

Question

我使用GZIPOutputStream或ZIPOutputStream來壓縮String（我的string.length()小於20），但壓縮結果比原始字符串長。

在某些網站上，我發現有些朋友說這是因為我原來的字符串太短， GZIPOutputStream可以用來壓縮更長的字符串。

那么，有人可以給我一個壓縮字符串的幫助嗎？

我的功能如下：

String compress(String original) throws Exception {

}

更新：

import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.util.zip.GZIPOutputStream;
import java.util.zip.*;


//ZipUtil 
public class ZipUtil {
    public static String compress(String str) {
        if (str == null || str.length() == 0) {
            return str;
        }

        ByteArrayOutputStream out = new ByteArrayOutputStream();
        GZIPOutputStream gzip = new GZIPOutputStream(out);
        gzip.write(str.getBytes());
        gzip.close();
        return out.toString("ISO-8859-1");
    }

    public static void main(String[] args) throws IOException {
        String string = "admin";
        System.out.println("after compress:");
        System.out.println(ZipUtil.compress(string));
    }
}

結果是：

Answer 1

壓縮算法幾乎總是具有某種形式的空間開銷，這意味着它們僅在壓縮數據時有效，該數據足夠大以至於開銷小於節省的空間量。

壓縮一個只有20個字符長的字符串並不容易，但並不總是可行。 如果你有重復，霍夫曼編碼或簡單的游程編碼可能能夠壓縮，但可能不是很多。

Answer 2

創建String時，可以將其視為char的列表，這意味着對於String中的每個字符，您需要支持char的所有可能值。 來自太陽博士

char ：char數據類型是一個16位Unicode字符。 它的最小值為'\\ u0000'（或0），最大值為'\\ uffff'（或65,535（含））。

如果你想要支持一組簡化的字符，你可以編寫一個簡單的壓縮算法，類似於binary-> decimal-> hex radix converstion。 您從65,536（或目標系統支持的多個字符）到26（字母）/ 36（字母數字）等。

我曾經多次使用過這個技巧，例如將時間戳編碼為文本（目標36 +，源10） - 只需確保你有足夠的單元測試！

Answer 3

如果密碼或多或少“隨機”，那么你運氣不好，你將無法大幅減少尺寸。

但是：為什么需要壓縮密碼？ 也許你需要的不是壓縮，而是某種哈希值？ 如果您只需要檢查名稱是否與給定密碼匹配，則不需要保存密碼，但可以保存密碼的哈希值。 要檢查鍵入的密碼是否與給定名稱匹配，您可以采用相同的方式構建哈希值，並將其與保存的哈希值進行比較。 由於散列（Object.hashCode（））是一個int，您將能夠以80個字節存儲所有20個密碼哈希值。

Answer 4

你的朋友是對的。 gzip和ZIP都基於DEFLATE 。 這是一種通用算法，不適用於編碼小字符串。

如果需要，可能的解決方案是自定義編碼和解碼HashMap<String, String> 。 這可以讓您進行簡單的一對一映射：

HashMap<String, String> toCompressed, toUncompressed;

String compressed = toCompressed.get(uncompressed);
// ...
String uncompressed = toUncompressed.get(compressed);

顯然，這需要設置，並且僅適用於少量字符串。

Answer 5

霍夫曼編碼可能有所幫助，但前提是你的小字符串中有很多頻繁的字符

Answer 6

ZIP算法是LZW和Huffman Trees的組合。 您可以單獨使用這些算法之一。

壓縮基於2個因素：

• 原始鏈中的子串的重復（LZW）：如果有很多重復，壓縮將是有效的。 該算法具有良好的壓縮長文本的性能，因為經常重復單詞
• 壓縮鏈中每個字符的數量（Huffman）：字符之間的重新分配越多，壓縮就越有效

在您的情況下，您應該只嘗試LZW算法。 基本上使用，鏈可以在不添加元信息的情況下進行壓縮：對於短字符串壓縮，它可能更好。

對於霍夫曼算法，編碼樹必須與壓縮文本一起發送。 因此，對於小文本，由於樹，結果可能比原始文本大。

Answer 7

霍夫曼編碼是一個明智的選擇。 Gzip和朋友這樣做，但他們的工作方式是為輸入構建一個Huffman樹，發送它，然后發送用樹編碼的數據。 如果樹相對於數據較大，則可能沒有節省大小。

但是，可以避免發送樹：相反，您安排發送方和接收方已經擁有樹。 它不能專門為每個字符串構建，但您可以使用一個全局樹來編碼所有字符串。 如果你使用與輸入字符串（英語或其他）相同的語言構建它，你仍然應該獲得良好的壓縮，盡管不如每個輸入的自定義樹一樣好。

Answer 8

如果您知道您的字符串主要是ASCII，則可以將它們轉換為UTF-8。

byte[] bytes = string.getBytes("UTF-8");

這可能會使內存大小減少約50％。 但是，您將獲得一個字節數組而不是字符串。 如果你把它寫到文件中，那應該不是問題。

要轉換回字符串：

private final Charset UTF8_CHARSET = Charset.forName("UTF-8");
...
String s = new String(bytes, UTF8_CHARSET);

Answer 9

看看Huffman算法。

https://codereview.stackexchange.com/questions/44473/huffman-code-implementation

這個想法是每個字符都被比特序列替換，取決於它們在文本中的頻率（頻率越高，序列越小）。

您可以閱讀整個文本並構建代碼表，例如：

符號代碼

一個0

10

e 110

m 111

該算法基於文本輸入構建符號樹。 你擁有的角色種類越多，壓縮效果就越差。

但根據你的文字，它可能是有效的。

Answer 10

您沒有看到您的String發生任何壓縮，因為您至少需要幾百個字節才能使用GZIPOutputStream或ZIPOutputStream進行實際壓縮。 你的字符串太小了。（我不明白為什么你需要壓縮）

查看本文的結論：

本文還介紹了如何動態壓縮和解壓縮數據，以減少網絡流量並提高客戶端/服務器應用程序的性能。 但是，只有當被壓縮的對象超過幾百個字節時，動態壓縮數據才能提高客戶端/服務器應用程序的性能。 例如，如果被壓縮和傳輸的對象是簡單的String對象，則無法觀察到性能的提高。

Answer 11

Java 9中提供了緊湊的字符串增強功能https://openjdk.java.net/jeps/254

java.lang.String現在有：

private final byte [] value;