问在Java中有效地压缩10-1000个字符的字符串？

EN

“视情况而定”。

我会从主要的候选者开始：LZMA ("7-zip")，deflate (直接，zlib: deflate +小包装器，gzip: deflate +稍微大一点的包装器，zip: deflate +更大的包装器)，bzip2 (我怀疑这在这里会有那么好，在相对较大的窗口下工作得最好)，甚至可能是其他LZ*分支之一，比如has an RFC for IP Payload compression，但是...

...run使用几种不同的方法，根据实际数据和压缩/吞吐量进行一些分析。Java有GZIPOutputStream (“gzip包装器中的放气”)和DeflaterOutputStream (“普通放气”，推荐优于gzip或zip "wrappers")标准，还有LZMA Java implementations (只需要压缩器，而不是容器)，所以这些都是很容易模拟的。

如果在分组之间存在规律性，则可以利用这一点--例如，建立高速缓存映射、霍夫曼表，或者仅仅修改其它算法之一的“窗口”--但是分组丢失和“解压缩性”可能需要被考虑。然而，沿着这条路线走下去会增加更多的复杂性。更多帮助压缩机的想法可以在SO: How to find a good/optimal dictionary for zlib 'setDictionary' when processing a given set of data?上找到。

此外，协议应该有一个简单的零压缩“回退”，因为一些特别小的随机数据可能实际上是不可压缩的，或者可能是"compress" to a larger size (zlib实际上有这个保护，但也有“包装器开销”，所以对于非常小的数据，单独编码会更好)。对于如此小的尺寸，还需要考虑压缩数据的“包装器”的开销--比如gzip或zip。对于少于~100个字符的字符串数据，这一点尤其重要。

祝你编码愉快。

要考虑的另一件事是用于将字符推入输出流的编码。我会先从UTF-8开始，但这可能并不总是理想的。

请参阅建议使用SMAZ的SO: Best compression algorithm for short text strings，但我不知道此算法将如何转换为unicode / binary。

还要考虑并不是所有的deflate (或其他格式)实现都是平等的。就小数据的效率而言，我不太了解Java的标准deflate与第三方(比如JZlib)相比，但考虑一下Compressing Small Payloads [.NET]，它在“相同的压缩”格式中显示了相当大的负数。这篇文章的结尾也很好：

...不管怎样，压缩通常是最有益的，并确定哪个有效负载(压缩的或未压缩的)具有最小的大小，并包含一个小标记来指示是否需要解压缩。我的最终结论:始终使用真实世界的数据进行测试并衡量好处，否则最终可能会有一些惊喜！

祝你编码愉快。这一次是真的。

最简单的做法是在ByteArrayOutputStream之上分层，因为这是内置到JDK中的，使用

ByteArrayOutputStream baos = new ByteArrayOutputStream();
GZIPOutputStream zos = new GZIPOutputStream(baos);

zos.write(someText.getBytes());
zos.finish();
zos.flush();


byte[] udpBuffer = baos.toByteArray();

也许有其他算法可以做得更好，但我会先尝试一下，看看它是否适合您的需求，因为它不需要任何额外的jars，并且做得很好。

大多数标准的压缩算法在少量数据的情况下不能很好地工作。通常有一个报头和一个校验和，压缩预热需要时间。即，它基于它所看到的数据来构建数据字典。

由于这个原因，您可以发现

• 小数据包可能更小或相同大小，但没有压缩。
• 简单的应用程序/协议特定的压缩更好
• 您必须为压缩算法提供预先构建的数据字典，并尽可能剥离报头。

对于小的数据包，我通常使用第二种选择。