¿Cómo puedo comprimir y descomprimir fácilmente cadenas a/desde matrices de bytes?

Question

Tengo algunas cadenas que son aproximadamente 10K caracteres cada una. Hay mucha repetición en ellos. Son objetos JSON serializados. Me gustaría comprimirlos fácilmente en una matriz de bytes y descomprimirlos a partir de una matriz de bytes.

¿Cómo puedo hacer esto más fácilmente? Estoy buscando métodos para que pueda hacer lo siguiente:

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

Answer 1

Usted puede intentar

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

respuesta de Pedro Lawrey se puede mejorar un poco el uso de este código sea menos compleja para la función de descomprimir

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

Hice una biblioteca para resolver el problema de comprimir cadenas genéricas (especialmente las cortas). Trata de comprimir el String usando varios algoritmos (utf-8 simple, codificación de 5 bits para letras latinas, codificación huffman, gzip para cadenas largas) y elige el que tenga el resultado más corto (en el peor de los casos, elegirá el utf- 8 codificación, para que nunca se arriesgue a perder espacio).

espero que puede ser útil, aquí está el enlace https://github.com/lithedream/lithestring

EDIT: me di cuenta de que sus cadenas son siempre "largo", mis opciones de la biblioteca en gzip para esos tamaños, me temo que no puedo hacer mejor para usted .