java - BufferedReader 中的 GZIPInputStream 文件结束序列

Question

我使用 Java BufferedReader 对象逐行读取指向有效 GZIP 存档的 GZIPInputStream，该存档包含 1,000 行 ASCII 文本，采用典型的 CSV 格式。代码如下所示:

BufferedReader buffer = new BufferedReader(new InputStreamReader(
                        new GZIPInputStream(new FileInputStream(file))));

其中 file 是指向存档的实际文件对象。

我通过调用通读了所有文件

int count = 0;
String line = null;

while ((line = reader.readLine()) != null)
{
    count++;
}

并且读取器按预期遍历文件，但最后它绕过第 1000 行并再读取一行(即，循环结束后计数 = 1001)。

在最后一行调用 line.length() 会报告大量 (4,000+) 个字符，所有这些字符都是不可打印的 (Character.getNumericValue() 返回 -1)。

实际上，如果我执行 line.getBytes() 结果 byte[] 数组具有相同数量的 NULL 字符 ('\0')。

这看起来像是 BufferedReader 中的错误吗？

无论如何，任何人都可以提出绕过此行为的解决方法吗？

编辑:更奇怪的行为:读取的第一行以文件名、几个 NULL 字符('\0')和行用户名和组名为前缀，然后是实际文本!

编辑:我创建了一个非常简单的测试类，它重现了我上面描述的效果，至少在我的平台上是这样。

编辑:显然是误报，我得到的文件不是纯 GZIP 而是 tar GZIP，所以这解释了它，不需要进一步测试。谢谢大家!

Answer 1

我想我发现了你的问题。

我尝试用问题中的来源重现它，并得到了这个输出:

-------------------------------------
        Reading PLAIN file
-------------------------------------

Printable part of line 1:       This, is, line, number, 1

Line start (<= 25 characters): This__is__line__number__1

No NULL characters in line 1

Other information on line 1:
        Length: 25
        Bytes: 25
        First byte: 84

Printable part of line 10:      This, is, line, number, 10

Line start (<= 26 characters): This__is__line__number__10

No NULL characters in line 10

Other information on line 10:
        Length: 26
        Bytes: 26
        First byte: 84

File lines read: 10

-------------------------------------
        Reading GZIP file
-------------------------------------

Printable part of line 1:       This, is, line, number, 1

Line start (<= 25 characters): This__is__line__number__1

No NULL characters in line 1

Other information on line 1:
        Length: 25
        Bytes: 25
        First byte: 84

Printable part of line 10:      This, is, line, number, 10

Line start (<= 26 characters): This__is__line__number__10

No NULL characters in line 10

Other information on line 10:
        Length: 26
        Bytes: 26
        First byte: 84

File lines read: 10

-------------------------------------
        TOTAL READ
-------------------------------------

Plain: 10, GZIP: 10

我认为这不是您所拥有的。为什么？您正在使用 tar.gz 文件。这是 tar archive format ，另外还有 gzip 压缩。 GZipInputStream 撤消 gzip 压缩，但对 tar 存档格式一无所知。

tar 通常用于将多个文件打包在一起 - 以未压缩格式，但与一些元数据一起打包，这是您观察到的:

EDIT: More weird behavior: The first line read is prefixed by the filename, several NULL characters ('\0') and things line username and group name, then the actual text follows!

如果您有一个tar 文件，您需要使用一个tar 解码器。 How do I extract a tar file in Java?给出了一些链接(比如使用 Ant 的 Tar 任务)，还有 JTar .

如果你只想发送一个文件，最好直接使用gzip格式(我在测试中就是这样做的)。

但是除了您希望 gzip 流读取 tar 格式之外，没有任何错误。