5

我有一些大型 base64 编码数据（存储在 hadoop 文件系统中的 snappy 文件中）。此数据最初是 gzip 压缩的文本数据。我需要能够读取这些编码数据的块，对其进行解码，然后将其刷新到 GZIPOutputStream。

关于如何执行此操作而不是将整个 base64 数据加载到数组中并调用 Base64.decodeBase64(byte[]) 的任何想法？

如果我读取字符直到 '\r\n' 分隔符并逐行解码，我是对的吗？例如：

for (int i = 0; i < byteData.length; i++) {
    if (byteData[i] == CARRIAGE_RETURN || byteData[i] == NEWLINE) {
       if (i < byteData.length - 1 && byteData[i + 1] == NEWLINE)
            i += 2;
       else 
            i += 1;

       byteBuffer.put(Base64.decodeBase64(record));

       byteCounter = 0;
       record = new byte[8192];
    } else {
        record[byteCounter++] = byteData[i];
    }
}

可悲的是，这种方法没有提供任何人类可读的输出。理想情况下，我想流式读取、解码和流出数据。

现在，我正在尝试输入一个输入流，然后复制到一个 gzipout

byteBuffer.get(bufferBytes);

InputStream inputStream = new ByteArrayInputStream(bufferBytes);
inputStream = new GZIPInputStream(inputStream);
IOUtils.copy(inputStream , gzipOutputStream);

它给了我一个 java.io.IOException: Corrupt GZIP 预告片

4

2 回答 2

6

让我们一步一步来：

  1. 您需要 aGZIPInputStream来读取压缩数据（而不是GZIPOutputStream; 输出流用于压缩数据）。有了这个流，您将能够读取未压缩的原始二进制数据。这需要InputStream在构造函数中。

  2. 您需要一个能够读取 Base64 编码数据的输入流。我建议方便apache-commons- codec Base64InputStream。使用构造函数，您可以设置行长、行分隔符并设置为解码数据。这反过来又需要另一个输入流——原始的 Base64 编码数据。doEncode=false

  3. 此流取决于您如何获取数据；理想情况下，数据应该是可用的InputStream- 问题已解决。如果没有，您可能必须使用ByteArrayInputStream(if binary)、StringBufferInputStream(if string) 等。

大致这个逻辑是：

InputStream fromHadoop = ...;                                  // 3rd paragraph
Base64InputStream b64is =                                      // 2nd paragraph
    new Base64InputStream(fromHadoop, false, 80, "\n".getBytes("UTF-8"));
GZIPInputStream zis = new GZIPInputStream(b64is);              // 1st paragraph

请注意Base64InputStream（行长和行尾字节数组）的参数，您可能需要调整它们。

于 2013-11-14T15:10:11.000 回答
0

感谢 Nikos 为我指明了正确的方向。具体来说，这就是我所做的：

private static final byte NEWLINE = (byte) '\n';
private static final byte CARRIAGE_RETURN = (byte) '\r';

byte[] lineSeparators = new byte[] {CARRIAGE_RETURN, NEWLINE};      
Base64InputStream b64is = new Base64InputStream(inputStream, false, 76, lineSeparators);

GZIPInputStream zis = new GZIPInputStream(b64is);

Base64行的长度不是76吗？不过我没试过80。

于 2013-11-15T08:41:28.110 回答