Question

我正在使用ByteArrayInputStream，其中包含一个XML文档，该文档由一个元素组成，该元素具有一个大的base 64编码字符串作为元素的内容。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。

最有效的方法是什么？

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阵列;但这似乎效率很低，我正在处理的文本有时会很大（128KB）。我想要一种方法来做到这一点，而无需额外的byte数组。

Answer 1

Base 64不使用字符<或>，因此我假设您使用的是web安全的base64变体，这意味着您无需担心内容中的HTML实体或注释。如果您确定内容具有此表单，请执行以下操作：

从右侧扫描，寻找'<'。这将是关闭标记的开头。
从该位置向左扫描，寻找'>'。这将是开始标记的结尾。

基础64内容介于这两个位置之间，不受限制。

您可以使用

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

作为解码内容长度的上限，然后b64解码到其中。这是有效的，因为每4个base64数字编码3个字节。

如果你想得到真正的花哨，因为你知道数组的前几个字节包含可忽略的标签数据，并且编码数据小于输入，你可以通过当前的字节缓冲区破坏性地解码数据。

Answer 2

在阅读信息流时进行搜索和转换。

// 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);
}

note 上面是我的网页浏览器，因此可能存在语法错误。

高效的ByteArrayInputStream操作

2 个答案: