java - 在 Java 中解压缩 GZIP HTTP 响应

Question

我正在尝试使用 GZIPInputStream 解压缩 GZIP 压缩的 HTTP 响应。但是，当我尝试读取流时，我总是遇到相同的异常:java.util.zip.ZipException: invalid bit length repeat

我的 HTTP 请求 header :

GET www.myurl.com HTTP/1.0\r\n
User-Agent: Mozilla/5.0 (Windows; U; Windows NT 6.1; fr; rv:1.9.2) Gecko/20100115 Firefox/3.6\r\n
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8\r\n
Accept-Language: fr,fr-fr;q=0.8,en-us;q=0.5,en;q=0.3\r\n
Accept-Encoding: gzip,deflate\r\n
Accept-Charset: ISO-8859-1,UTF-8;q=0.7,*;q=0.7\r\n
Keep-Alive: 115\r\n
Connection: keep-alive\r\n
X-Requested-With: XMLHttpRequest\r\n
Cookie: Some Cookies\r\n\r\n

在 HTTP 响应 header 的末尾，我得到 path=/Content-Encoding: gzip，然后是 gzip 压缩响应。

我尝试了 2 个类似的代码来解压缩:

更新:在下面的代码中，tBytes = ('path=/Content-Encoding: gzip'之后的字符串).getBytes ();

GZIPInputStream  gzip = new GZIPInputStream (new ByteArrayInputStream (tBytes));

StringBuffer  szBuffer = new StringBuffer ();

byte  tByte [] = new byte [1024];

while (true)
{
    int  iLength = gzip.read (tByte, 0, 1024); // <-- Error comes here

    if (iLength < 0)
        break;

    szBuffer.append (new String (tByte, 0, iLength));
}

这是我在这个论坛上得到的:

InputStream     gzipStream = new GZIPInputStream   (new ByteArrayInputStream (tBytes));
Reader          decoder    = new InputStreamReader (gzipStream, "UTF-8");//<- I tried ISO-8859-1 and get the same exception
BufferedReader  buffered   = new BufferedReader    (decoder);

我猜这是一个编码错误。

最好的问候，

比比皆是

Answer 1

您没有说明如何获得用于在此处设置 gzip 流的 tBytes:

GZIPInputStream  gzip = new GZIPInputStream (new ByteArrayInputStream (tBytes));

一种解释是您将整个 HTTP 响应包含在 tBytes 中。相反，它应该只是 HTTP header 之后的内容。

另一种解释是响应是chunked .

编辑:您将内容编码行之后的数据作为消息正文。然而，根据 HTTP 1.1 规范， header 字段没有按任何特定顺序出现，因此这是非常危险的。

如 HTTP specification 的这一部分所述, 请求或响应的消息正文不是在特定的头字段之后，而是在第一个空行之后:

Request (section 5) and Response (section 6) messages use the generic message format of RFC 822 [9] for transferring entities (the payload of the message). Both types of message consist of a start-line, zero or more header fields (also known as "headers"), an empty line (i.e., a line with nothing preceding the CRLF) indicating the end of the header fields, and possibly a message-body.

您仍然没有展示您是如何准确地组成 tBytes 的，但在这一点上我认为您错误地在您尝试解压缩的数据中包含了空行。消息正文在空行的 CRLF 字符之后开始。

我可以建议您使用 httpclient库而不是提取邮件正文？