Come posso facilmente comprimere e decomprimere le stringhe su/da matrici di byte?

Question

Ho alcune stringhe che sono circa 10K caratteri ciascuna. C'è molta ripetizione in loro. Sono oggetti JSON serializzati. Mi piacerebbe comprimerli facilmente in un array di byte e decomprimerli da un array di byte.

Come posso fare più facilmente questo? Sto cercando i metodi in modo da poter effettuare le seguenti operazioni:

String original = "....long string here with 10K characters..."; 
byte[] compressed = StringCompressor.compress(original); 
String decompressed = StringCompressor.decompress(compressed); 
assert(original.equals(decompressed); 

Answer 1

Si può provare

enum StringCompressor { 
    ; 
    public static byte[] compress(String text) { 
     ByteArrayOutputStream baos = new ByteArrayOutputStream(); 
     try { 
      OutputStream out = new DeflaterOutputStream(baos); 
      out.write(text.getBytes("UTF-8")); 
      out.close(); 
     } catch (IOException e) { 
      throw new AssertionError(e); 
     } 
     return baos.toByteArray(); 
    } 

    public static String decompress(byte[] bytes) { 
     InputStream in = new InflaterInputStream(new ByteArrayInputStream(bytes)); 
     ByteArrayOutputStream baos = new ByteArrayOutputStream(); 
     try { 
      byte[] buffer = new byte[8192]; 
      int len; 
      while((len = in.read(buffer))>0) 
       baos.write(buffer, 0, len); 
      return new String(baos.toByteArray(), "UTF-8"); 
     } catch (IOException e) { 
      throw new AssertionError(e); 
     } 
    } 
} 

Answer 2

risposta di Pietro Lawrey può essere migliorata un po 'utilizzando questo codice meno complessa per la funzione di decompressione

ByteArrayOutputStream baos = new ByteArrayOutputStream(); 
    try { 
     OutputStream out = new InflaterOutputStream(baos); 
     out.write(bytes); 
     out.close(); 
     return new String(baos.toByteArray(), "UTF-8"); 
    } catch (IOException e) { 
     throw new AssertionError(e); 
    } 

Answer 3

Ho creato una libreria per risolvere il problema della compressione di stringhe generiche (specialmente quelle corte). Prova a comprimere la stringa usando vari algoritmi (semplice utf-8, codifica a 5 bit per lettere latine, codifica di huffman, gzip per stringhe lunghe) e sceglie quella con il risultato più breve (nel peggiore dei casi, sceglierà l'utf- 8 codifica, in modo da non rischiare mai di perdere spazio).

Spero che possa essere utile, ecco il link https://github.com/lithedream/lithestring

EDIT: mi sono reso conto che le corde siano sempre "lungo", i miei valori di default delle biblioteche sul gzip per quelle dimensioni, temo che non posso fare di meglio per voi .