c - 高效查找和替换 gzip 内容上的数据

Question

我的基于c linux的程序输入是:

char *in_str, char *find_str, char *replacing_str

in_str 是压缩数据 (gzip)。

程序需要在未压缩的输入数据中查找find_str，将其替换为replacing_str，然后重新压缩数据。

执行此操作的简单方法是使用许多可用的 gzip 压缩/解压缩库之一来解压缩数据，操作未压缩的数据，然后重新压缩输出。但是我需要使其尽可能高效(它是一个 RT 程序)。

我想知道使用即时库(例如 zlibc)方法或简单地执行上述操作是否更有效。

也许值得一提的是:

• find_str 和 replacement_str 字符串是数据的一小部分
• 它们的长度不相等
• find_str 应该出现大约 4 或 5 次
• 未压缩数据长度约为 2K - 6K 字节

有人熟悉实现这一点的有效方法吗？

谢谢

Answer 1

无论如何，您都必须解压缩才能搜索字符串。 (您也许可以只执行一次并构建索引。但是，这可能比未压缩的数据大得多，因此您最好只存储未压缩的数据。)

您可以通过提前准备 gzip 文件来避免重新压缩所有内容，以便使用 zlib 的 Z_FULL_FLUSH 选项将其压缩为较小的无历史记录单元。这将稍微减少压缩，具体取决于您执行压缩的频率，但如果仅需要重新压缩多个 block 之一，则将大大加快构建输出的速度。