数据压缩概述
文件中数据冗余的最简单的类型是"字符的复制"。让我们先来看下面一个字符串：
JJJJJJAAAAVVVVAAAAAA
这个字符串可以用更简洁的方式来编码，那就是通过替换每一个重复的字符串为单个的实例字符加上记录重复次数的数字来表示,上面的字符串可以被编码为下面的形式：6J4A4V6A
在这里，"6J"意味着6个字符J，"4A"意味着4个字符A，以此类推。这种字符串压缩方式称为"行程长度编码"方式，简称RLE。
再举一个例子，考虑一下矩形图像的存储。一个单色位图，可以被存储为下面这种形式。
另外一种方式是将图像存为一个图元文件：
Rectangle 11, 3, 20, 5
上面的表示方法是讲矩形的起始坐标是（11，3），宽度是20，高度是5。
上述的矩形图像可以使用RLE编码方式压缩，通过对相同位记数表示如下：
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
上面第一行是讲图像的第一行由40个0组成。第三行是讲图像的第三行是由10个0加上20个1再加上10个0组成，其它行以此类推。
大家注意，RLE方法需要将其表示的文件与编码文件分开。所以，这种方法不能应用于所有的文件。其它的压缩技术包括变长编码（也被称为哈夫曼编码），还有其它的方法。要想了解更详细的信息，请参考有关数据和图像压缩技术方面的图书，一定会有收获的。
数据压缩有很多益处。不管怎么说，最主要的好处就是减少存储方面的需求。同样的，对于数据通信来讲，压缩数据在媒体中的将导致信息传输数据的提升。数据的压缩能够通过软件在现有的硬件设备上实现或者通过带有压缩技术的特殊的硬件设备来实现。
ZIP VS GZIP
如果你是在Windows系统下工作，你可能会对工具WinZip很熟悉，是用来创建压缩档案和解开压缩档案的。而在UNIX平台上，会有一些不同,命令tar用来创建一个档案文件（并不压缩），其它的程序（gzip或compress）用来创建一个压缩档案。
WinZip和PkZip之类的工具同时扮演着归档和压缩两个角色。他们将文件压缩并将其归档。另一方面，gzip并不将文件归档。所以，在UNIX平台上，命令tar通常用来创建一个档案文件，然后命令gzip来将档案文件压缩。
Java.util.zip包
Java提供了java.util.zip包用来兼容ZIP格式的数据压缩。它提供了一系列的类用来读取，创建，修改ZIP和GZIP格式的文件。它还提供了工具类来计算任意输入流的数目，这可以用来验证输入数据的有效性。该包提供了一个接口，十四个类，和两个异常处理类，如表1所示。
表1: java.util.zip包
条目 类型 描述
Checksum 接口 被类Adler32和CRC32实现的接口
Adler32 类 使用Alder32算法来计算Checksum数目
CheckedInputStream 类 一个输入流，保存着被读取数据的Checksum
CheckedOutputStream 类 一个输出流，保存着被读取数据的Checksum
CRC32 类 使用CRC32算法来计算Checksum数目
Deflater 类 使用ZLIB压缩类，支持通常的压缩方式
DeflaterOutputStream 类 一个输出过滤流，用来压缩Deflater格式数据
GZIPInputStream 类 一个输入过滤流，读取GZIP格式压缩数据
GZIPOutputStream 类 一个输出过滤流，读取GZIP格式压缩数据
Inflater 类 使用ZLIB压缩类，支持通常的解压方式
InlfaterInputStream 类 一个输入过滤流，用来解压Inlfater格式的压缩数据
ZipEntry 类 存储ZIP条目
ZipFile 类 从ZIP文件中读取ZIP条目
ZipInputStream 类 一个输入过滤流，用来读取ZIP格式文件中的文件
ZipOutputStream 类 一个输出过滤流，用来向ZIP格式文件口写入文件
DataFormatException 异常类 抛出一个数据格式错误
ZipException 异常类 抛出一个ZIP文件
注意：ZLIB压缩类最初是作为可移植的网络图像文件格式（PNG）标准的一部分开发的，是不受专利保护的。
从ZIP文件中解压缩和提取数据
java.util.zip包提供了数据压缩与解压缩所需要的类。ZIP文件的解压缩实质上就是从输入流中读取数据。Java.util.zip包提供了类ZipInputStream来读取ZIP文件。ZipInputStream流的创建与其它输入流的创建没什么两样。举个例子，下面的代码段创建了一个输入流来读取ZIP格式的文件：
FileInputStream fis = new FileInputStream("figs.zip");
ZipInputStream zin = new ZipInputStream(new BufferedInputStream(fis));
ZIP输入流打开后，你可以使用getNextEntry方法来读取ZIP文件中的条目数，该方法返回一个ZipEntry对象。如果到达文件的尾部，getNextEntry返回null：
ZipEntry entry;
while((entry = zin.getNextEntry()) != null) {
// extract data
// open output streams
}
现在，你应该建立一个输出流，如下所示：
int BUFFER = 2048;
FileOutputStream fos = new FileOutputStream(entry.getName());
BufferedOutputStream dest = new BufferedOutputStream(fos, BUFFER);
注意：在这段代码中我们用BufferedOutputStream代替了ZIPOutputStream。ZIPOutputStream和GZIPOutputStream使用内置的512字节缓冲。当缓冲区的大小大于512字节时，使用BufferedOutputStream才是正确的（例子中设置为2048）。ZIPOutputStream不允许你设置缓冲区的大小，GZIPOutputStream也是一样，但创建 GZIPOutputStream 对象时可以通过构造函数的参数指定内置的缓冲尺寸。
这段代码中，使用ZIP内含的条目名称创建一个文件输出流。可以使用entry.getName来得到它的返回句柄。接着读出被压缩的源数据，然后写入输出流：
while ((count = zin.read(data, 0, BUFFER)) != -1) {
//System.out.write(x);
dest.write(data, 0, count);
}
最后，不要忘记关闭输入和输出流：
dest.flush();
dest.close();
zin.close();
例程1的源程序UnZip.java显示如何解压缩并从ZIP档案中将文件释放出来。测试这个例子，编译这个类，并运行它，传给它一个ZIP格式的文件作为参数：
prompt> java UnZip somefile.zip
注意：somefile.zip应该是一个ZIP压缩档案，可以用任何一种ZIP压缩工具来创建，例如WinZip。
| 【导读】这篇文章简要的介绍了数据的压缩与解压缩，并展示了用java.util.zip包来实现数据的压缩与解压缩是多么的方便与高效。 |
|
|
例程1源代码:
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();
}}
}
有一点值得大家注意，类ZipInputStream读出ZIP文件序列（简单地说就是读出这个ZIP文件压缩了多少文件），而类ZipFile使用内嵌的随机文件访问机制读出其中的文件内容，所以不必顺序的读出ZIP压缩文件序列。
注意：ZIPInputStream和ZipFile之间另外一个基本的不同点在于高速缓冲的使用方面。当文件使用ZipInputStream和FileInputStream流读出的时候，ZIP条目不使用高速缓冲。然而，如果使用ZipFile（文件名）来打开文件，它将使用内嵌的高速缓冲，所以如果ZipFile（文件名）被重复调用的话，文件只被打开一次。缓冲值在第二次打开进使用。如果你工作在UNIX系统下，这是什么作用都没有的，因为使用ZipFile打开的所有ZIP文件都在内存中存在映射，所以使用ZipFile的性能优于ZipInputStream。然而，如果同一ZIP文件的内容在程序执行期间经常改变，或是重载的话，使用ZipInputStream就成为你的首选了。
下面显示了使用类ZipFile来解压一个ZIP文件的过程：
通过指定一个被读取的ZIP文件，或者是文件名，或者是一个文件对象来创建一个ZipFile对象：
ZipFile zipfile = new ZipFile("figs.zip");
使用entries方法，返回一个枚举对象，循环获得文件的ZIP条目对象：
while(e.hasMoreElements()) {
entry = (ZipEntry) e.nextElement();
// read contents and save them
}
ZIP条目作为参数传递给getInputStream方法，可以读取ZIP文件中指定条目的内容，能过其返回的输入流（InputStram）对象可以方便的读出ZIP条目的内容：
is = new BufferedInputStream(zipfile.getInputStream(entry));
获取ZIP条目的文件名，创建输出流，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);
}
最后关闭所有的输入输出流 dest.flush();
dest.close();
is.close();
完整的程序代码如例程2所示。再次编译这个文件，并传递一个ZIP格式的文件做为参数：
prompt> java UnZip2 somefile.zip
例程2源码:
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();
}}
}
|
将数据压缩归档入一ZIP文件
类ZipOutputStream能够用来将数据压缩成一个ZIP文件。ZipOutputStream将数据写入ZIP格式的输出流。下面的步骤与创建一个ZIP文件相关。
1、第一步是创建一个ZipOutputStream对象，我们将要写入输出流的文件作为参数传给它。下面的代码演示了如何创建一个名为"myfigs.zip"的ZIP文件。
FileOutputStream dest = new
FileOutputStream("myfigs.zip");
ZipOutputStream out = new ZipOutputStream(new BufferedOutputStream(dest));
2、一但目标输出流创建后，下一步就是打开数据源文件。在这个例子中，源数据文件是指那些当前目录下的文件。命令list用来得到当前目录下文件列表：
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：这个例程能够压缩当前目录下的所有文件。它不能处理子目录。作为一个练习，你可以修改例程3来处理子目录。
3、 为读出的数据创建一个ZIP条目列表：
ZipEntry entry = new ZipEntry(files[i]))
4、 在你将数据写入ZIP输出流之前，你必须使用putNextEntry方法将ZIP条目列表写入输出流：
out.putNextEntry(entry);
5、 将数据写入ZIP文件：
int count;
while((count = origin.read(data, 0, BUFFER)) != -1) {
out.write(data, 0, count);
}
6、 最后关闭所有的输入输出流：
origin.close();
out.close();
完整的程序代码如例程3所示。
例程3源代码:
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: 条目列表可以以两种方式加入ZIP文件中，一种是压缩方式（DEFLATED），另一种是不压缩方式(STORED),系统默认的存储方式为压缩方式（DEFLATED）。SetMethod方法可以用来设置它的存储方式。例如，设置存储方式为DEFLATED（压缩）应该这样做： out.setMethod(ZipOutputStream.DEFLATED) 设置存储方式为（不压缩）应该这样做： out.setMethod(ZipOutputStream.STORED)。
ZIP文件属性
类ZipEntry描述了存储在ZIP文件中的压缩文件。类中包含有多种方法可以用来设置和获得ZIP条目的信息。类ZipEntry是被ZipFile和ZipInputStream使用来读取ZIP文件，ZipOutputStream来写入ZIP文件的。ZipEntry中最有用的一些方法显示在下面的表格2中，并且有相应的描述。
表格 2: 类ZipEntry中一些有用的方法
方法签名 描述
public String getComment() 返回条目的注释, 没有返回null
public long getCompressedSize() 返回条目压缩后的大小, 未知返回-1
public int getMethod() 返回条目的压缩方式,没有指定返回 -1
public String getName() 返回条目的名称
public long getSize() 返回未被压缩的条目的大小，未知返回-1
public long getTime() 返回条目的修改时间, 没有指定返回-1
public void setComment(String c) 设置条目的注释
public void setMethod(int method) 设置条目的压缩方式
public void setSize(long size) 设置没有压缩的条目的大小
public void setTime(long time) 设置条目的修改时间
求和校验
java.util.zip包中另外一些比较重要的类是Adler32和CRC32，它们实现了java.util.zip.Checksum接口，并估算了压缩数据的校验和（checksum）。众所周知，在运算速度方面，Adler32算法比CRC32算法要有一定的优势；但在数据可信度方面，CRC32算法则要更胜一筹。正所谓，"鱼与熊掌，不可兼得。"，大家只好在不同的场合下，加以取舍了。GetValue方法可以用来获得当前的checksum值，reset方法能够重新设置checksum为其缺省的值。
求和校验一般用来校验文件和信息是否正确的传送。举个例子，假设你想创建一个ZIP文件，然后将其传送到远程计算机上。当到达远程计算机后，你就可以使用checksum检验在传输过程中文件是否发生错误。为了演示如何创建checksums，我们修改了例程1和例程3，在例程4和例程5中使用了两个新类，一个是CheckedInputStream，另一个是CheckedOutputStream。（大家注意：这两段代码在压缩与解压缩过程中，使用了同一种算法，求数据的checksum值。）
例程4源代码:
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源代码:
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();
}
}}
测试例程4和5，编译类文件并运行类Zip来创建一个压缩档案（程序会计算出checksum值并显示在屏幕上），然后运行UnZip类来解压缩这个档案（屏幕上同样会打印出一个checksum值）。两个值必须完全相同，否则说明出错了。Checksums在数据校验方面非常有用。例如，你可以创建一个ZIP文件，然后连同checksum值一同传递给你的朋友。你的朋友解压缩文件后，将生成的checksum值与你提供的作一比较，如果相同则说明在传递过程中没有发生错误。
压缩对象
我们已经看到如何将文件中的数据压缩并将其归档。但如果你想压缩的数据不在文件中时，应该怎么办呢？假设有这样一个例子，你通过套接字（socket）来传递一个大对象。为了提高应用程序的性能，你可能在通过网络开始传递前将数据压缩，然后在目的地将其解压缩。另外一个例子，我们假设你想将一个对象用压缩格式存储在磁碟上，ZIP格式是基于记录方式的，不适合这项工作。GZIP更适合用来实现这种对单一数据流的操作。现在，我们来示例一下，如果在写入磁碟前将数据压缩，并在读出时将数据解压缩。示例程序6是一个在单一JVM（java虚拟机）实现了Serializable接口的简单类，我们想要串行化该类的实例。
例程6源代码:
Employee.java
import java.io.*;
public class Employee implements Serializable {
String name;
int age;
int salary;
public Employee(String name, int age, int salary) {
this.name = name;
this.age = age;
this.salary = salary;
}
public void print() {
System.out.println("Record for: "+name);
System.out.println("Name: "+name);
System.out.println("Age: "+age);
System.out.println("Salary: "+salary);
}
}
现在，写另外一个类来创建两个从Employee类实例化而来的对象。示例程序7从Employee类创建了两个对象（sarah和sam）。然后将它们的状态以压缩的格式存储在一个文件中。
示例程序7源代码：
SaveEmployee.java
import java.io.*;
import java.util.zip.*;
public class SaveEmployee {
public static void main(String argv[]) throws
Exception {
// create some objects
Employee sarah = new Employee("S. Jordan", 28,
56000);
Employee sam = new Employee("S. McDonald", 29,
58000);
// serialize the objects sarah and sam
FileOutputStream fos = new
FileOutputStream("db");
GZIPOutputStream gz = new GZIPOutputStream(fos);
ObjectOutputStream oos = new
ObjectOutputStream(gz);
oos.writeObject(sarah);
oos.writeObject(sam);
oos.flush();
oos.close();
fos.close();
}}
现在，示例程序8中的ReadEmpolyee类是用来重新构建两个对象的状态。一但构建成功，就调用print方法将其打印出来。
示例程序8源代码:
ReadEmployee.java
import java.io.*;
import java.util.zip.*;
public class ReadEmployee {
public static void main(String argv[]) throws
Exception{
//deserialize objects sarah and sam
FileInputStream fis = new FileInputStream("db");
GZIPInputStream gs = new GZIPInputStream(fis);
ObjectInputStream ois = new ObjectInputStream(gs);
Employee sarah = (Employee) ois.readObject();
Employee sam = (Employee) ois.readObject();
//print the records after reconstruction of state
sarah.print();
sam.print();
ois.close();
fis.close();
}
}
同样的思想可以用于在网络间通过（socket）传输的大对象。下面的代码段示例了如何在客户/服务器之间实现大对象的压缩：
// write to client
GZIPOutputStream gzipout = new
GZIPOutputStream(socket.getOutputStream());
ObjectOutputStream oos = new
ObjectOutputStream(gzipout);
oos.writeObject(obj);
gzipos.finish();
下面的代码段显示了客户端从服务器端接收到数据后，如何将其解压:
// read from server
Socket socket = new Socket(remoteServerIP, PORT);
GZIPInputStream gzipin = new
GZIPInputStream(socket.getInputStream());
ObjectInputStream ois = new ObjectInputStream(gzipin);
Object o = ois.readObject();
对JAR文件进行操作
Java档案文件（JAR）格式是基于标准的ZIP文件格式，并附有可选择的文件清单列表。如果你想要在你我的应用程序中创建JAR文件或从JAR文件中解压缩文件，可以使用java.util.jar包，它提供了读写JAR文件的类。使用java.util.jar包提供的类与本文所讲述的java.util.zip包十分相似。所以你应该能够重新编写本文的源代码，如果你想使用java.util.jar包的话。
结束语
本文讨论了你可以在应用程序中使用的数据压缩与解压的应用程序接口，本文的示例程序演示了如何使用java.util.zip包来压缩数据与解压缩数据。现在你可以利用这个工具在你的应用程序中实现数据的压缩与解压了。
本文也说明了如何在络传输中实现数据的压缩与解压缩，以减少网络阻塞和增强你的客户/服务器模式应用程序的性能。在网络传输中实现数据的压缩，只有当传输的数据量达到成百上千字节时，你才会感觉到程序性能的提升，如果仅仅是传递一个字符串对象，对应用程序是没什么影响的。