由于字符编码而损坏的 Gzip 字符串

Question

我正在尝试恢复一些损坏的 Gzip 日志文件。文件通过 Java 支持的网页传输到我们的服务器。文件始终以纯文本形式发送，但我们最近开始接收 Gzip 压缩的日志文件。这些 Gzip 压缩文件似乎已损坏，并且无法解压缩，并且原始文件已被删除。我相信这是来自下面方法中的字符编码。

有什么方法可以恢复将文件恢复为其原始压缩格式的过程吗？我在数据库 blob 中得到了生成的字符串二进制数组数据。

感谢您提供的任何帮助！

 private String convertStreamToString(InputStream is) throws IOException {
    /*
     * To convert the InputStream to String we use the
     * Reader.read(char[] buffer) method. We iterate until the
     * Reader return -1 which means there's no more data to
     * read. We use the StringWriter class to produce the string.
     */
    if (is != null) {
        Writer writer = new StringWriter();

        char[] buffer = new char[1024];
        try {
            Reader reader = new BufferedReader(
                    new InputStreamReader(is, "UTF-8"));
            int n;
            while ((n = reader.read(buffer)) != -1) {
                writer.write(buffer, 0, n);
            }
        } finally {
            is.close();
        }
        return writer.toString();
    } else {
        return "";
    }
}

Answer 1

如果这是用于将 InputStream 转换为 String 的方法，那么您的数据几乎肯定会丢失。

问题在于 UTF-8 有相当多的字节序列根本不合法（即它们不代表任何值）。这些序列将被 Unicode 替换字符替换。

无论哪个无效字节序列被解码，该字符都是相同的。因此，这些字节中的特定信息会丢失。

Answer 2

如果这是您拥有的代码，您永远不应该转换为 Reader （或者实际上是字符串）。仅保留为流（或字节数组）才能避免损坏二进制文件。一旦它被读入字符串......非法序列（utf-8 中有很多）将被丢弃。

所以不，除非你很幸运，否则无法恢复信息。您必须提供另一个进程来处理纯流并作为纯 BLOB 而不是 CLOB 插入