缩短Java中已经很短的字符串
我正在寻找一种尽可能缩短已经很短的字符串的方法。
该字符串是主机名：端口组合，可能看起来像“ my-domain.se:2121 ”或“ 123.211.80.4:2122 ”。
我知道由于需要的开销和缺乏重复，常规压缩对于字符串的问题几乎是不可能的，但我知道如何做到这一点。
因为字母表限制为39个字符（ [az] [0-9] – ：。 ），所以每个字符可以容纳6位。 与ASCII相比，这可以减少高达25％的长度。 所以我的建议是这样的：
- 使用某种自定义编码将字符串编码为字节数组
- 将字节数组解码为UTF-8或ASCII字符串（这个字符串显然没有任何意义）。
然后反转该过程以获取原始字符串。
所以我的问题：
- 这可行吗？
- 有没有更好的办法？
- 怎么样？
您可以将字符串编码为基数40，它比基数64更紧凑。这将为您提供12个这样的标记为64位长。 第40个标记可以是字符串标记的结尾，为您提供长度（因为它不再是整个字节数）
如果您使用算术编码，它可能会小得多，但您需要每个令牌的频率表。 （使用一长串可能的例子）
class Encoder { public static final int BASE = 40; StringBuilder chars = new StringBuilder(BASE); byte[] index = new byte[256]; { chars.append('\0'); for (char ch = 'a'; ch <= 'z'; ch++) chars.append(ch); for (char ch = '0'; ch <= '9'; ch++) chars.append(ch); chars.append("-:."); Arrays.fill(index, (byte) -1); for (byte i = 0; i < chars.length(); i++) index[chars.charAt(i)] = i; } public byte[] encode(String address) { try { ByteArrayOutputStream baos = new ByteArrayOutputStream(); DataOutputStream dos = new DataOutputStream(baos); for (int i = 0; i < address.length(); i += 3) { switch (Math.min(3, address.length() - i)) { case 1: // last one. byte b = index[address.charAt(i)]; dos.writeByte(b); break; case 2: char ch = (char) ((index[address.charAt(i+1)]) * 40 + index[address.charAt(i)]); dos.writeChar(ch); break; case 3: char ch2 = (char) ((index[address.charAt(i+2)] * 40 + index[address.charAt(i + 1)]) * 40 + index[address.charAt(i)]); dos.writeChar(ch2); break; } } return baos.toByteArray(); } catch (IOException e) { throw new AssertionError(e); } } public static void main(String[] args) { Encoder encoder = new Encoder(); for (String s : "twitter.com:2122,123.211.80.4:2122,my-domain.se:2121,www.stackoverflow.com:80".split(",")) { System.out.println(s + " (" + s.length() + " chars) encoded is " + encoder.encode(s).length + " bytes."); } } } 版画
twitter.com:2122 (16 chars) encoded is 11 bytes. 123.211.80.4:2122 (17 chars) encoded is 12 bytes. my-domain.se:2121 (17 chars) encoded is 12 bytes. www.stackoverflow.com:80 (24 chars) encoded is 16 bytes.
我将解码作为练习。 ;）
首先，IP地址设计为4个字节，端口号设置为2. ascii表示仅供人类阅读，因此对其进行压缩没有意义。
您对压缩域名字符串的想法是可行的。
那么在你的情况下，我会使用专门的算法作为你的用例。 认识到您可以存储除字符串之外的其他内容。 因此，对于IPv4地址：端口，您将拥有一个捕获6个字节的类 – 4个用于地址，2个用于端口。 另一种用于apha-numeric主机名的类型。 端口始终以两个字节存储。 例如，主机名部分本身也可以对.com提供专门支持。 所以样本层次结构可能是：
HostPort | +----+--------+ | | IPv4 HostnamePort | DotComHostnamePort public interface HostPort extends CharSequence { } public HostPorts { public static HostPort parse(String hostPort) { ... } }
在这种情况下，DotComHostnamePort允许您从主机名中删除.com并保存4个字符/字节，具体取决于您是以punyform还是以UTF16forms存储主机名。
前两个字节可以包含端口号。 如果始终使用此固定长度的端口号，则不需要包含分隔符: 。 而是使用一个位来指示IP地址是否跟随（参见Karl Bielefeldt的解决方案）或主机名。
您可以使用CDC显示代码对它们进行编码 。 这种编码在过去曾被用过，当时有些东西很少，程序员很紧张。
你所建议的类似于base 64编码/解码，并且在查看其中一些实现时可能会有一些里程（base 64编码使用6位）。
如果你使用Apaches base 64库作为入门者
String x = new String(Base64.decodeBase64("my-domain.se:2121".getBytes())); String y = new String(Base64.encodeBase64(x.getBytes())); System.out.println("x = " + x); System.out.println("y = " + y);
它将通过几个字符缩短你的字符串。 这显然不起作用，因为你最终得到的不是你开始的。