这可能属于“不太可行”或“不值得付出努力”的范畴，但现在可以了。
我正在尝试随机访问存储在多部分gzip文件中的记录。具体来说，我感兴趣的文件是压缩Heretrix Arc文件。 （如果您不熟悉多部分gzip文件，gzip规范允许在单个gzip文件中连接多个gzip流。它们不共享任何字典信息，它是简单的二进制附加。）
我认为应该可以通过寻找文件中的某个偏移来执行此操作，然后扫描gzip魔术头字节（即0x1f8b，根据RFC），并尝试读取来自以下字节的gzip流。这种方法的问题在于，那些相同的字节也可能出现在实际数据中，因此寻找这些字节会导致无效的位置开始从中读取gzip流。有没有更好的方法来处理随机访问，因为记录偏移不是先验已知的？
答案 0 :(得分：3)
与GZIP兼容的 BGZF 文件格式由生物学家开发。
（...）的优势 BGZF胜过传统的gzip就是这样 BGZF允许在没有的情况下进行搜索 扫描整个文件到 正在寻找的位置。
在http://picard.svn.sourceforge.net/viewvc/picard/trunk/src/java/net/sf/samtools/util/中，看一下BlockCompressedOutputStream和BlockCompressedInputStream.java
答案 1 :(得分：1)
正如您所意识到的，GZIP的设计对随机访问并不友好。
您可以按照描述进行操作，然后如果在解压缩程序中遇到错误，请断定您找到的签名实际上是压缩数据。
如果你完成解压缩，那么很容易通过CRC32验证刚刚解压缩的流的有效性。
如果文件不是那么大，您可能会考虑只对系列中的所有条目进行解压缩，并保留签名的偏移量以构建目录。解压缩时，将字节转储到位桶。此时，您将生成一个目录，然后您可以根据文件名，日期或其他元数据支持随机访问。
对于低于100k的文件，这将相当快。就像一个猜测，如果你有10个文件，每个大约100k，它可能会在现代CPU上以2s完成。这就是我所说的“非常快”。但只有您了解应用程序的性能要求。
你有GZipInputStream类吗？如果是这样，你就在中途。