semovy

數據壓縮概述

文件中數據冗余的最簡單的類型是"字符的復制"。讓我們先來看下面一個字符串：

JJJJJJAAAAVVVVAAAAAA

這個字符串可以用更簡潔的方式來編碼，那就是通過替換每一個重復的字符串為單個的實例字符加上記錄重復次數的數字來表示,上面的字符串可以被編碼為下面的形式：6J4A4V6A

在這里，"6J"意味著6個字符J，"4A"意味著4個字符A，以此類推。這種字符串壓縮方式稱為"行程長度編碼"方式，簡稱RLE。

再舉一個例子，考慮一下矩形圖像的存儲。一個單色位圖，可以被存儲為下面這種形式。

另外一種方式是將圖像存為一個圖元文件：

Rectangle 11, 3, 20, 5

上面的表示方法是講矩形的起始坐標是（11，3），寬度是20，高度是5。

上述的矩形圖像可以使用RLE編碼方式壓縮，通過對相同位記數表示如下：

0, 40

0, 40

0,10 1,20 0,10

0,10 1,1 0,18 1,1 0,10

0,10 1,1 0,18 1,1 0,10

0,10 1,1 0,18 1,1 0,10

0,10 1,20 0,10

0,40

上面第一行是講圖像的第一行由40個0組成。第三行是講圖像的第三行是由10個0加上20個1再加上10個0組成，其它行以此類推。

大家注意，RLE方法需要將其表示的文件與編碼文件分開。所以，這種方法不能應用于所有的文件。其它的壓縮技術包括變長編碼（也被稱為哈夫曼編碼），還有其它的方法。要想了解更詳細的信息，請參考有關數據和圖像壓縮技術方面的圖書，一定會有收獲的。

數據壓縮有很多益處。不管怎么說，最主要的好處就是減少存儲方面的需求。同樣的，對于數據通信來講，壓縮數據在媒體中的將導致信息傳輸數據的提升。數據的壓縮能夠通過軟件在現有的硬件設備上實現或者通過帶有壓縮技術的特殊的硬件設備來實現。

ZIP VS GZIP

如果你是在Windows系統下工作，你可能會對工具WinZip很熟悉，是用來創建壓縮檔案和解開壓縮檔案的。而在UNIX平臺上，會有一些不同,命令tar用來創建一個檔案文件（并不壓縮），其它的程序（gzip或compress）用來創建一個壓縮檔案。

WinZip和PkZip之類的工具同時扮演著歸檔和壓縮兩個角色。他們將文件壓縮并將其歸檔。另一方面，gzip并不將文件歸檔。所以，在UNIX平臺上，命令tar通常用來創建一個檔案文件，然后命令gzip來將檔案文件壓縮。

Java.util.zip包

Java提供了java.util.zip包用來兼容ZIP格式的數據壓縮。它提供了一系列的類用來讀取，創建，修改ZIP和GZIP格式的文件。它還提供了工具類來計算任意輸入流的數目，這可以用來驗證輸入數據的有效性。該包提供了一個接口，十四個類，和兩個異常處理類，如表1所示。

表1: java.util.zip包

條目 類型 描述

Checksum 接口 被類Adler32和CRC32實現的接口

Adler32 類 使用Alder32算法來計算Checksum數目

CheckedInputStream 類 一個輸入流，保存著被讀取數據的Checksum

CheckedOutputStream 類 一個輸出流，保存著被讀取數據的Checksum

CRC32 類 使用CRC32算法來計算Checksum數目

Deflater 類 使用ZLIB壓縮類，支持通常的壓縮方式

DeflaterOutputStream 類 一個輸出過濾流，用來壓縮Deflater格式數據

GZIPInputStream 類 一個輸入過濾流，讀取GZIP格式壓縮數據

GZIPOutputStream 類 一個輸出過濾流，讀取GZIP格式壓縮數據

Inflater 類 使用ZLIB壓縮類，支持通常的解壓方式

InlfaterInputStream 類 一個輸入過濾流，用來解壓Inlfater格式的壓縮數據

ZipEntry 類 存儲ZIP條目

ZipFile 類 從ZIP文件中讀取ZIP條目

ZipInputStream 類 一個輸入過濾流，用來讀取ZIP格式文件中的文件

ZipOutputStream 類 一個輸出過濾流，用來向ZIP格式文件口寫入文件

DataFormatException 異常類 拋出一個數據格式錯誤

ZipException 異常類 拋出一個ZIP文件

注意：ZLIB壓縮類最初是作為可移植的網絡圖像文件格式（PNG）標準的一部分開發的，是不受專利保護的。

從ZIP文件中解壓縮和提取數據

java.util.zip包提供了數據壓縮與解壓縮所需要的類。ZIP文件的解壓縮實質上就是從輸入流中讀取數據。Java.util.zip包提供了類ZipInputStream來讀取ZIP文件。ZipInputStream流的創建與其它輸入流的創建沒什么兩樣。舉個例子，下面的代碼段創建了一個輸入流來讀取ZIP格式的文件：

FileInputStream fis = new FileInputStream("figs.zip");

ZipInputStream zin = new ZipInputStream(new BufferedInputStream(fis));

ZIP輸入流打開后，你可以使用getNextEntry方法來讀取ZIP文件中的條目數，該方法返回一個ZipEntry對象。如果到達文件的尾部，getNextEntry返回null：

ZipEntry entry;

while((entry = zin.getNextEntry()) != null) {

// extract data

// open output streams

}

現在，你應該建立一個輸出流，如下所示：

int BUFFER = 2048;

FileOutputStream fos = new FileOutputStream(entry.getName());

BufferedOutputStream dest = new BufferedOutputStream(fos, BUFFER);

注意：在這段代碼中我們用BufferedOutputStream代替了ZIPOutputStream。ZIPOutputStream和GZIPOutputStream使用內置的512字節緩沖。當緩沖區的大小大于512字節時，使用BufferedOutputStream才是正確的（例子中設置為2048）。ZIPOutputStream不允許你設置緩沖區的大小，GZIPOutputStream也是一樣，但創建 GZIPOutputStream 對象時可以通過構造函數的參數指定內置的緩沖尺寸。

這段代碼中，使用ZIP內含的條目名稱創建一個文件輸出流。可以使用entry.getName來得到它的返回句柄。接著讀出被壓縮的源數據，然后寫入輸出流：

while ((count = zin.read(data, 0, BUFFER)) != -1) {

//System.out.write(x);

dest.write(data, 0, count);

}

最后，不要忘記關閉輸入和輸出流：

dest.flush();

dest.close();

zin.close();

例程1的源程序UnZip.java顯示如何解壓縮并從ZIP檔案中將文件釋放出來。測試這個例子，編譯這個類，并運行它，傳給它一個ZIP格式的文件作為參數：

prompt> java UnZip somefile.zip

注意：somefile.zip應該是一個ZIP壓縮檔案，可以用任何一種ZIP壓縮工具來創建，例如WinZip。
例程1源代碼:

UnZip.java

import java.io.*;

import java.util.zip.*;

public class UnZip {

static final int BUFFER = 2048;

public static void main (String argv[]) {

try {

BufferedOutputStream dest = null;

FileInputStream fis = new

FileInputStream(argv[0]);

ZipInputStream zis = new

ZipInputStream(new BufferedInputStream(fis));

ZipEntry entry;

while((entry = zis.getNextEntry()) != null) {

System.out.println("Extracting: " +entry);

int count;

byte data[] = new byte[BUFFER];

// write the files to the disk

FileOutputStream fos = new

FileOutputStream(entry.getName());

dest = new

BufferedOutputStream(fos, BUFFER);

while ((count = zis.read(data, 0, BUFFER))

!= -1) {

dest.write(data, 0, count);

}

dest.flush();

dest.close();

}

zis.close();

} catch(Exception e) {

e.printStackTrace();

}}

}

有一點值得大家注意，類ZipInputStream讀出ZIP文件序列（簡單地說就是讀出這個ZIP文件壓縮了多少文件），而類ZipFile使用內嵌的隨機文件訪問機制讀出其中的文件內容，所以不必順序的讀出ZIP壓縮文件序列。

注意：ZIPInputStream和ZipFile之間另外一個基本的不同點在于高速緩沖的使用方面。當文件使用ZipInputStream和FileInputStream流讀出的時候，ZIP條目不使用高速緩沖。然而，如果使用ZipFile（文件名）來打開文件，它將使用內嵌的高速緩沖，所以如果ZipFile（文件名）被重復調用的話，文件只被打開一次。緩沖值在第二次打開進使用。如果你工作在UNIX系統下，這是什么作用都沒有的，因為使用ZipFile打開的所有ZIP文件都在內存中存在映射，所以使用ZipFile的性能優于ZipInputStream。然而，如果同一ZIP文件的內容在程序執行期間經常改變，或是重載的話，使用ZipInputStream就成為你的首選了。

下面顯示了使用類ZipFile來解壓一個ZIP文件的過程：

通過指定一個被讀取的ZIP文件，或者是文件名，或者是一個文件對象來創建一個ZipFile對象：

ZipFile zipfile = new ZipFile("figs.zip");

使用entries方法，返回一個枚舉對象，循環獲得文件的ZIP條目對象：

while(e.hasMoreElements()) {

entry = (ZipEntry) e.nextElement();

// read contents and save them

}

ZIP條目作為參數傳遞給getInputStream方法，可以讀取ZIP文件中指定條目的內容，能過其返回的輸入流（InputStram）對象可以方便的讀出ZIP條目的內容：

is = new BufferedInputStream(zipfile.getInputStream(entry));

獲取ZIP條目的文件名，創建輸出流，并保存:

byte data[] = new byte[BUFFER];

FileOutputStream fos = new FileOutputStream(entry.getName());

dest = new BufferedOutputStream(fos, BUFFER);

while ((count = is.read(data, 0, BUFFER)) != -1) {

dest.write(data, 0, count);

}

最后關閉所有的輸入輸出流 dest.flush();

dest.close();

is.close();

完整的程序代碼如例程2所示。再次編譯這個文件，并傳遞一個ZIP格式的文件做為參數：

prompt> java UnZip2 somefile.zip

例程2源碼:

UnZip2.java

import java.io.*;

import java.util.*;

import java.util.zip.*;

public class UnZip2 {

static final int BUFFER = 2048;

public static void main (String argv[]) {

try {

BufferedOutputStream dest = null;

BufferedInputStream is = null;

ZipEntry entry;

ZipFile zipfile = new ZipFile(argv[0]);

Enumeration e = zipfile.entries();

while(e.hasMoreElements()) {

entry = (ZipEntry) e.nextElement();

System.out.println("Extracting: " +entry);

is = new BufferedInputStream

(zipfile.getInputStream(entry));

int count;

byte data[] = new byte[BUFFER];

FileOutputStream fos = new

FileOutputStream(entry.getName());

dest = new

BufferedOutputStream(fos, BUFFER);

while ((count = is.read(data, 0, BUFFER))

!= -1) {

dest.write(data, 0, count);

}

dest.flush();

dest.close();

is.close();

}

} catch(Exception e) {

e.printStackTrace();

}}

}
將數據壓縮歸檔入一ZIP文件

類ZipOutputStream能夠用來將數據壓縮成一個ZIP文件。ZipOutputStream將數據寫入ZIP格式的輸出流。下面的步驟與創建一個ZIP文件相關。

1、第一步是創建一個ZipOutputStream對象，我們將要寫入輸出流的文件作為參數傳給它。下面的代碼演示了如何創建一個名為"myfigs.zip"的ZIP文件。

FileOutputStream dest = new

FileOutputStream("myfigs.zip");

ZipOutputStream out = new ZipOutputStream(new BufferedOutputStream(dest));

2、一但目標輸出流創建后，下一步就是打開數據源文件。在這個例子中，源數據文件是指那些當前目錄下的文件。命令list用來得到當前目錄下文件列表：

File f = new File(".");

String files[] = f.list();

for (int i=0; i < files.length; i++) {

System.out.println("Adding: "+files[i]);

FileInputStream fi = new FileInputStream(files[i]);

// create zip entry

// add entries to ZIP file

}

注意：這個例程能夠壓縮當前目錄下的所有文件。它不能處理子目錄。作為一個練習，你可以修改例程3來處理子目錄。

3、 為讀出的數據創建一個ZIP條目列表：

ZipEntry entry = new ZipEntry(files[i]))

4、 在你將數據寫入ZIP輸出流之前，你必須使用putNextEntry方法將ZIP條目列表寫入輸出流：

out.putNextEntry(entry);

5、 將數據寫入ZIP文件：

int count;

while((count = origin.read(data, 0, BUFFER)) != -1) {

out.write(data, 0, count);

}

6、 最后關閉所有的輸入輸出流：

origin.close();

out.close();

完整的程序代碼如例程3所示。

例程3源代碼:

Zip.java

import java.io.*;

import java.util.zip.*;

public class Zip {

static final int BUFFER = 2048;

public static void main (String argv[]) {

try {

BufferedInputStream origin = null;

FileOutputStream dest = new

FileOutputStream("c:\zip\myfigs.zip");

ZipOutputStream out = new ZipOutputStream(new

BufferedOutputStream(dest));

//out.setMethod(ZipOutputStream.DEFLATED);

byte data[] = new byte[BUFFER];

// get a list of files from current directory

File f = new File(".");

String files[] = f.list();

for (int i=0; i < files.length; i++) {

System.out.println("Adding: "+files[i]);

FileInputStream fi = new

FileInputStream(files[i]);

origin = new

BufferedInputStream(fi, BUFFER);

ZipEntry entry = new ZipEntry(files[i]);

out.putNextEntry(entry);

int count;

while((count = origin.read(data, 0,

BUFFER)) != -1) {

out.write(data, 0, count);

}

origin.close();

}

out.close();

} catch(Exception e) {

e.printStackTrace();

}}

}

注意: 條目列表可以以兩種方式加入ZIP文件中，一種是壓縮方式（DEFLATED），另一種是不壓縮方式(STORED),系統默認的存儲方式為壓縮方式（DEFLATED）。SetMethod方法可以用來設置它的存儲方式。例如，設置存儲方式為DEFLATED（壓縮）應該這樣做： out.setMethod(ZipOutputStream.DEFLATED) 設置存儲方式為（不壓縮）應該這樣做： out.setMethod(ZipOutputStream.STORED)。

ZIP文件屬性

類ZipEntry描述了存儲在ZIP文件中的壓縮文件。類中包含有多種方法可以用來設置和獲得ZIP條目的信息。類ZipEntry是被ZipFile和ZipInputStream使用來讀取ZIP文件，ZipOutputStream來寫入ZIP文件的。ZipEntry中最有用的一些方法顯示在下面的表格2中，并且有相應的描述。

表格 2: 類ZipEntry中一些有用的方法

方法簽名 描述

public String getComment() 返回條目的注釋, 沒有返回null

public long getCompressedSize() 返回條目壓縮后的大小, 未知返回-1

public int getMethod() 返回條目的壓縮方式,沒有指定返回 -1

public String getName() 返回條目的名稱

public long getSize() 返回未被壓縮的條目的大小，未知返回-1

public long getTime() 返回條目的修改時間, 沒有指定返回-1

public void setComment(String c) 設置條目的注釋

public void setMethod(int method) 設置條目的壓縮方式

public void setSize(long size) 設置沒有壓縮的條目的大小

public void setTime(long time) 設置條目的修改時間

求和校驗

java.util.zip包中另外一些比較重要的類是Adler32和CRC32，它們實現了java.util.zip.Checksum接口，并估算了壓縮數據的校驗和（checksum）。眾所周知，在運算速度方面，Adler32算法比CRC32算法要有一定的優勢；但在數據可信度方面，CRC32算法則要更勝一籌。正所謂，"魚與熊掌，不可兼得。"，大家只好在不同的場合下，加以取舍了。GetValue方法可以用來獲得當前的checksum值，reset方法能夠重新設置checksum為其缺省的值。

求和校驗一般用來校驗文件和信息是否正確的傳送。舉個例子，假設你想創建一個ZIP文件，然后將其傳送到遠程計算機上。當到達遠程計算機后，你就可以使用checksum檢驗在傳輸過程中文件是否發生錯誤。為了演示如何創建checksums，我們修改了例程1和例程3，在例程4和例程5中使用了兩個新類，一個是CheckedInputStream，另一個是CheckedOutputStream。（大家注意：這兩段代碼在壓縮與解壓縮過程中，使用了同一種算法，求數據的checksum值。）

例程4源代碼:

Zip.java

import java.io.*;

import java.util.zip.*;

public class Zip {

static final int BUFFER = 2048;

public static void main (String argv[]) {

try {

BufferedInputStream origin = null;

FileOutputStream dest = new

FileOutputStream("c:\zip\myfigs.zip");

CheckedOutputStream checksum = new

CheckedOutputStream(dest, new Adler32());

ZipOutputStream out = new

ZipOutputStream(new

BufferedOutputStream(checksum));

//out.setMethod(ZipOutputStream.DEFLATED);

byte data[] = new byte[BUFFER];

// get a list of files from current directory

File f = new File(".");

String files[] = f.list();

for (int i=0; i < files.length; i++) {

System.out.println("Adding: "+files[i]);

FileInputStream fi = new

FileInputStream(files[i]);

origin = new

BufferedInputStream(fi, BUFFER);

ZipEntry entry = new ZipEntry(files[i]);

out.putNextEntry(entry);

int count;

while((count = origin.read(data, 0,

BUFFER)) != -1) {

out.write(data, 0, count);

}

origin.close();

}

out.close();

System.out.println("checksum:

"+checksum.getChecksum().getValue());

} catch(Exception e) {

e.printStackTrace();

}}

}

例程5源代碼:

UnZip.java

import java.io.*;

import java.util.zip.*;

public class UnZip {

public static void main (String argv[]) {

try {

final int BUFFER = 2048;

BufferedOutputStream dest = null;

FileInputStream fis = new

FileInputStream(argv[0]);

CheckedInputStream checksum = new

CheckedInputStream(fis, new Adler32());

ZipInputStream zis = new

ZipInputStream(new

BufferedInputStream(checksum));

ZipEntry entry;

while((entry = zis.getNextEntry()) != null) {

System.out.println("Extracting: " +entry);

int count;

byte data[] = new byte[BUFFER];

// write the files to the disk

FileOutputStream fos = new

FileOutputStream(entry.getName());

dest = new BufferedOutputStream(fos,

BUFFER);

while ((count = zis.read(data, 0,

BUFFER)) != -1) {

dest.write(data, 0, count);

}

dest.flush();

dest.close();

}

zis.close();

System.out.println("Checksum:

"+checksum.getChecksum().getValue());

} catch(Exception e) {

e.printStackTrace();

}

}}

測試例程4和5，編譯類文件并運行類Zip來創建一個壓縮檔案（程序會計算出checksum值并顯示在屏幕上），然后運行UnZip類來解壓縮這個檔案（屏幕上同樣會打印出一個checksum值）。兩個值必須完全相同，否則說明出錯了。Checksums在數據校驗方面非常有用。例如，你可以創建一個ZIP文件，然后連同checksum值一同傳遞給你的朋友。你的朋友解壓縮文件后，將生成的checksum值與你提供的作一比較，如果相同則說明在傳遞過程中沒有發生錯誤。