BufferedReader 中的 GZIPInputStream 文件结尾序列

Question

我使用一个 Java BufferedReader 对象逐行读取一个 GZIPInputStream，它指向一个有效的 GZIP 存档，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))));

file 是指向档案的实际 File 对象。

我通过调用阅读了所有文件

int count = 0;
String line = null;

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

阅读器按预期浏览文件，但最后它绕过第 #1000 行并再读取一行（即循环结束后 count = 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()，则生成的 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？

在任何情况下，任何人都可以建议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'）和事物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，它至少在我的平台上重现了我上面描述的效果。

编辑：显然是误报，我得到的文件不是普通的 GZIP 而是 tar 的 GZIP，所以这就解释了，不需要进一步测试。谢谢大家！

Answer 1

我想我找到了你的问题。

我尝试在问题中使用您的来源重现它，并得到以下输出：

-------------------------------------
        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

我认为这不是你所拥有的。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 归档格式一无所知。

tar 通常用于将多个文件打包在一起 - 以未压缩的格式，但与一些元数据一起打包，这就是您所观察到的：

编辑：更奇怪的行为：读取的第一行以文件名为前缀， 几个 NULL 字符 ('\0') 和事物行用户名和组名，然后 正文如下！

如果您有tar 文件，则需要使用 tar 解码器。 How do I extract a tar file in Java? 提供了一些链接（例如使用 Ant 的 Tar 任务），还有 JTar。

如果您只想发送一个文件，最好直接使用gzip 格式（这是我在测试中所做的）。

除了您希望 gzip-stream 读取 tar 格式之外，其他地方都没有错误。