高效的ByteArrayInputStream操作

Question

我正在使用一个包含ByteArrayInputStream文档的XML文档，该文档由一个元素组成，该元素的内容是一个很大的base64编码字符串。我需要删除周围的标签，以便我可以解码文本，并将其输出为pdf文档。

执行此操作的最有效方法是什么？

我的下意识反应是将流读入byte数组，找到开始标记的结尾，找到结束标记的开头，然后将中间部分复制到另一个byte数组中；但这似乎效率相当低，而且我正在处理的文本有时可能很大(128KB)。我希望有一种方法可以在没有额外byte数组的情况下做到这一点。

Answer 1

在读取流的同时进行搜索和转换。

// find the start tag
byte[] startTag = new byte[]{'<', 't', 'a', 'g', '>'};
int fnd = 0;
int tmp = 0;
while((tmp = stream.read()) != -1) {
 if(tmp == startTag[fnd]) 
  fnd++;
 else
  fnd=0;
 if(fnd == startTage.size()) break;
}

// get base64 bytes
while(true) {
 int a = stream.read();
 int b = stream.read();
 int c = stream.read();
 int d = stream.read();
 byte o1,o2,o3; // output bytes
 if(a == -1 || a == '<') break;
 //
 ...
 outputStream.write(o1);
 outputStream.write(o2);
 outputStream.write(o3);
}

注意以上代码是在我的web浏览器中编写的，因此可能存在语法错误。

Answer 2

base64不使用<或>字符，所以我假设您使用的是web安全的base64变体，这意味着您不需要担心内容中的HTML实体或注释。如果您确实确定内容具有此形式，请执行以下操作：

从右侧扫描

1. 查找'<'。这将是结束标记的开始。
2. 从该位置开始向左扫描以查找'>'。这将是开始标记的结尾。

base 64的内容位于这两个位置之间，是独占的。

您可以使用以下命令调整第二个数组的大小

((end - start + 3) / 4) * 3

作为解码内容长度的上限，然后b64decode到其中。这是因为每个4个base64数字编码3个字节。

如果你想要真正的花哨，因为你知道数组的前几个字节包含可以忽略的标记数据，并且编码的数据比输入的数据小，你可以在当前的字节缓冲区上破坏性地解码数据。