如何解压S3存储桶中.bz文件的输入流并转为可读文本？

我在S3存储桶中存储了.bz格式的文件，已经通过以下代码成功读取到文件流：

S3Object object = s3.getObject(bucket, path);
S3ObjectInputStream inputStream = object.getObjectContent();

但尝试直接读取流内容时，得到的仍是机器可读的乱码而非可读英文文本：

String text = new BufferedReader(
  new InputStreamReader(inputStream, StandardCharsets.UTF_8))
    .lines()
    .collect(Collectors.joining("\n"));

请问该如何获取解压后的可读文本？

解决方案 #

你直接读取的是未解压的BZip2压缩流，自然会得到乱码。需要先通过BZip2解压工具处理输入流，再读取文本内容。Java标准库没有内置BZip2解压支持，通常使用Apache Commons Compress库来实现。

1. 引入依赖（Maven） #

<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-compress</artifactId>
    <version>1.26.1</version> <!-- 使用最新稳定版本 -->
</dependency>

2. 解压并读取文本的代码示例 #

使用BZip2CompressorInputStream包裹原始输入流，再通过字符流读取：

import org.apache.commons.compress.compressors.bzip2.BZip2CompressorInputStream;
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.nio.charset.StandardCharsets;
import java.util.stream.Collectors;

// ... 你的S3读取代码 ...
S3Object object = s3.getObject(bucket, path);
try (S3ObjectInputStream inputStream = object.getObjectContent();
     BZip2CompressorInputStream bzInputStream = new BZip2CompressorInputStream(inputStream);
     BufferedReader reader = new BufferedReader(new InputStreamReader(bzInputStream, StandardCharsets.UTF_8))) {

    String readableText = reader.lines().collect(Collectors.joining("\n"));
    // 处理解压后的可读文本
    System.out.println(readableText);
} catch (Exception e) {
    e.printStackTrace();
}

关键说明 #

• 使用try-with-resources自动关闭所有流，避免资源泄漏
• BZip2CompressorInputStream会自动处理BZip2格式的压缩数据，将其转换为原始字节流
• 最后通过InputStreamReader和BufferedReader读取为UTF-8编码的文本

内容的提问来源于stack exchange，提问作者Java dev VK