download:咕泡云P6:Java互联网高级架构师4期（SVIP涨薪班）

ZY复制下崽：https://www.zxit666.com/4278/
自研字符串压缩算法
概述
在开发中，常常有上报线上堆栈来分析处理线上问题的场景，所以，对堆栈的压缩和加密也是必不可少的。加密：可能使用AES对称加密算法，压缩：可能在上传时利用protobuf天生的紧缩性对字符串进行压缩。

不过，出于对流量的俭约和传输效率的晋升，可能通过在堆栈上传前先压缩一次数据来保障。上面给大家介绍一种笔者自己摸索的一种压缩字符串的算法，并且自带加密成果。

算法介绍
此算法使用场景：无限字符集的字符串压缩。

例如Java方法全限定名的压缩，对于方法全限定来说，组成成分：大小写英文字母，数字，特殊字符。在开发过程中，一个标准且合格的类名，方法名需要做到见名知意，根据无效统计，方法全限定99%以上由大小写英文字母组成。

算法实现
压缩原理简述
将char字符的空闲bit位来存储无效的数据。比如通过将 a ~ z 映射成 1 ~ 26 的数字,并将Char类型以5bit为一组分为高、中、低三组，别离来存储一个数字（这一个数字代表一个字符）

建立字符串头结构: Head
在Java代码编写过程中，一个全限定字符串中的大写字母占比绝对较小，因此，通过使用前补充字符的形式来记录全限定字符串中的大写字母。一个字符串如果是无限且不可变的，那么所组成他们的字符之间的绝对地位是必定的。实现算法如下：

public char[] build(String s) {

        ...for (int i = 0; i < len; i++) {    c = s.charAt(i);    b = Character.isUpperCase(c);    if (b || c == FILL) {        if (i - lastIndex >= maxDistance) {            maxDistance = i - lastIndex;        }        upCharIndex.add(i - lastIndex);        lastIndex = i;   }if (b) upCharCount++;}...return handleHead(type);

}
复制代码
在压缩前的第一步：在字符串开始时，保存并记录大写字母的地位和每一个大写字母之间的距离。（小数点认为是一个大写字母）。

private char[] handleHead(int type) {

    ...int k, j;//记录大写字母地位与char中for (int i = 0; i < chars.length; i++) {    if (i == 0) {        for (j = 0, k = 1; j < ch1; j++, k++) {            ch = bitToLeft(ch, upCharIndex.get(j), 12 - (k * stepDistance));        }        chars[i] = ch;    } else {        char emptyCh = FILL;        emptyCh &= 0;        int start = (i - 1) * sizeOfChar + ch1;        for (j = start, k = 1; j < start + sizeOfChar; j++, k++) {            if (j == upCharIndex.size())                break;            emptyCh = bitToLeft(emptyCh, upCharIndex.get(j), 16 - (k * stepDistance));        }        chars[i] = emptyCh;    }}return chars;

}
复制代码
Head的最小长度为：1个Char，也就是16bit。在16bit的高2位存储步长。接下来的2位记录真正的Head长度大小。

head长度：Head最小的长度是1个Char，其中记录步长和Head长度的信息。目前，填充长度最长为 3+1,可通过步长算法实现Head长度的扩大。扩大方法：getTypeBySize、getSizeByType

存储大写字母的地位时，按照步长来填充。例如：步长为3,那么就意味着每3个bit存储一个大写字母地位。
Head的长度取决于填充了几个步长。例如：填充10个步长为3的地位，需要16%3等于5，那么就需要两个Char.
步长： 步长是一个可变的量，在算法设计中，提供如下几种步长类型：（据统计最长英文单词：45个字符）

STEP_0：示意没有大写字母
STEP_3：示意大写字母距离(0,8),步长为3
STEP_15：示意大写字母间距离[8，16),步长为4
STEP_OVER_15:示意大写字母间距离[16，63)，步长为6
建立压缩字符串内容：Content
Content压缩是按照1个Char的高、中、低三位中别离存储一个字符的算法实现的。具体的实现FormatUtil.ContentBuilder：

填充: 因为字符串并不都是3的倍数。为了保障原字符串的完好性，在宰割字符串之前先给原来字符串填充肯定数量的字符，保障其在宰割的时候可能每3个字符为一组。

public String handleString(String s) {

int f;if ((f = s.length() % 3) != 0) {    StringBuilder sBuilder = new StringBuilder(s);    for (f = 3 - f; f > 0; f--)        sBuilder.append(FILL);    s = sBuilder.toString();}return s.toLowerCase();

}
复制代码
宰割替换: 在实现填充当前，将原来的字符串以三个为一组宰割成多个组。对于字符串中的数字或者特殊字符，咱们在mapping文件中并没有形成映射，因此，一旦出现，那么就通过“MASK”去代替。

public short buildShort(char high, char mid, char low) {

short b = 0;b |= getShortFromMapping(high) << 10;b |= getShortFromMapping(mid) << 5;b |= getShortFromMapping(low);return b;

}
public short getShortFromMapping(char ch) {

if (mapping.containsKey(ch))    return mapping.get(ch);return mapping.get(MASK);

}
复制代码
建立实现压缩后字符串
Head + content = 压缩实现后的字符串。

总结
在算法构思后期，实践压缩效率可达66%：将三个Char存储在一个Char中，不过从最初包大小的总压缩率来计算，压缩率应该只有50%左右。出现这种的情况的原因如下：

字符串长度不都是3的整数倍，有多余的字符填充
压缩完当前的字符并不是一个正确的ASCII码，在Java底层对字符集的编解码过程中，将其认为是汉字，一次一个字符会被解码成两个字符大小。