这可能属于“不太可行”或“不值得付出努力”的范畴，但在这里。
我正在尝试随机访问存储在多部分 gzip 文件中的记录。具体来说，我感兴趣的文件是压缩的Heretrix Arc 文件。（如果您不熟悉多部分 gzip 文件，gzip 规范允许将多个 gzip 流连接到一个 gzip 文件中。它们不共享任何字典信息，它是简单的二进制附加。）
我认为应该可以通过在文件中寻找某个偏移量来做到这一点，然后扫描 gzip 魔术头字节（即 0x1f8b，根据RFC），并尝试从以下字节读取 gzip 流. 这种方法的问题在于，这些相同的字节也可能出现在实际数据中，因此寻找这些字节可能会导致开始读取 gzip 流的位置无效。鉴于记录偏移量不是先验已知的，是否有更好的方法来处理随机访问？
与 GZIP 兼容的BGZF文件格式是由生物学家开发的。
(...) BGZF 与传统 gzip 相比的优势在于 BGZF 允许搜索，而无需扫描整个文件直到搜索的位置。
在http://picard.svn.sourceforge.net/viewvc/picard/trunk/src/java/net/sf/samtools/util/中，查看 BlockCompressedOutputStream 和 BlockCompressedInputStream.java
如您所见，GZIP 的设计对随机访问并不友好。
您可以按照您的描述进行操作，然后如果您在解压缩器中遇到错误，则可以断定您找到的签名实际上是压缩数据。
如果你解压完成了，那么就很容易通过CRC32验证刚刚解压的流的有效性。
如果文件不是很大，你可以考虑将所有条目依次解压缩，并保留签名的偏移量以建立一个目录。解压缩时，将字节转储到位桶。此时您将生成一个目录，然后您可以支持基于文件名、日期或其他元数据的随机访问。
对于 100k 以下的文件，这将是相当快的。就像猜测一样，如果您有 10 个文件，每个文件大约 100k，那么在现代 CPU 上可能会在 2 秒内完成。这就是我所说的“相当快”。但只有您知道您的应用程序的性能要求。
你有一个 GZipInputStream 类吗？如果是这样，你就成功了一半。