Java 解析 Linux 不同压缩文件的方法及注意事项

背景

commons-compress 包提供了归档压缩文件的工具类，java.util 里面包含了 Zip 和 gz 文件的解压方法，最终以按扁平方式，遍历到全部文件的文件，包括子目录下的文件。使用 Java 实现的日志采集系统涉及到对压缩文件的解析，不同类型的压缩文件，Java 解析方式也不相同，本文整理 Java 解析四类常见压缩文件的方法及注意事项。

关键点在于辨别压缩文件的类型及对应生成命令，确保文件名称的后缀名和生成工具保持一致，否则容易出现解析异常，总结几个点就是：

tar -cvf 生成的普通打包文件，后缀名为 .tar ，文件只归档，不压缩，文件较大。
tar -czvf 用 -z 参数代表用 gzip 压缩，生成 tar.gz 压缩的归档文件。
zip -r 生成的 .zip 压缩文件，可以对目录进行压缩。
gzip 文件名称，单文件压缩工具，对目标文件压缩后生成 .gz 的文件，且删除原文件。

四种压缩方式，入参压缩文件输入流 commpressIns 的各种压缩方式的读取流程。

tar

tar 命令生成的无压缩归档文件，体积比较大，一般不单独使用，它的解析方式为：

public void parseTarGzFile(InputStream commpressIns) {TarArchiveInputStream archiveInputStream = new TarArchiveInputStream(commpressIns, "UTF-8");InputStreamReader inputStreamReader = null;TarArchiveEntry currentEntry;try {currentEntry = (TarArchiveEntry) archiveInputStream.getNextEntry();// 循环遍历归档条目while (currentEntry != null) {String subfileName = currentEntry.getName();inputStreamReader = new InputStreamReader(archiveInputStream)// TODO inputStreamReader 逐行读取当前压缩文件条目的内容}} catch (Exception e) {// TODO error }    
}

使用 TarArchiveInputStream 它直接将压缩文件的各个文件都递归列出来，逐个读取就可完成遍历，它跟 zip 文件不一样，文件夹不会被作为一个 Entry ，所以还是比较容易的。

tar.gz

使用 tar -zc 生成的压缩文件，它有两种特性，一个是归档，二是 gzip 的压缩格式，流程与 tar 文件解析一致，但是需要包裹一层 GZip 输入流：

public void parseTarGzFile(InputStream commpressIns) {// 用 gzip 包裹一层GZIPInputStream gzInstream = new GZIPInputStream(commpressIns);TarArchiveInputStream archiveInputStream = new TarArchiveInputStream(gzInstream, "UTF-8");InputStreamReader inputStreamReader = null;TarArchiveEntry currentEntry;try {currentEntry = (TarArchiveEntry) archiveInputStream.getNextEntry();// 循环遍历归档条目while (currentEntry != null) {String subfileName = currentEntry.getName();inputStreamReader = new InputStreamReader(archiveInputStream)// TODO inputStreamReader 逐行读取当前压缩文件条目的内容}} catch (Exception e) {// TODO error }    
}

必须使用 tar -z 参数生成的文件，用 TarArchiveInputStream 解析时传入的是 GZIPInputStream 类型，否则非 gzip 压缩的 tar 文件，解析时会包「非 Gzip Format 」异常。

zip

zip -r 对文件夹压缩产生的的 zip 文件用 ZipInputStream 解析。

public void parseZipFile(InputStream commpressIns) {ZipInputStream zipStream = new ZipInputStream(commpressIns);ZipEntry entry;InputStreamReader inputStreamReader = null;while ((entry = zis.getNextEntry()) != null) {// 注意事项：忽略文件夹名称条目String fileName = entry.getName();if (fileName.endsWith("/")) {continue;}inputStreamReader = new InputStreamReader(zipStream, "UTF-8");// TODO inputStreamReader 逐行读取当前压缩文件条目的内容}
}

ZipInputStream 会以递归压缩文件，最终扁平化对所有文件形成一个链表，启动文件夹也会作为一个 ZipEntry ，以 / 结尾，实际内容为空，所以解析时忽略即可。

gz

gzip 读单个文件生成的压缩文件解析比较简单：

public void parseGzipFile(InputStream commpressIns) {GZIPInputStream gzipInput = new GZIPInputStream(commpressIns);InputStreamReader reader = new InputStreamReader(gzipInput, "UTF-8");// TODO 直接逐行读取文件内容
}