解压gzip格式文件(包括网页)

先上源码

参数说名：

- source :gzip格式流内容。

- len: gzip流长度

- dest: 解压后字符流指针

- gzip: 压缩标志，非0时解压gzip格式，否则按照zip解压

说明：代码经过测试。解压后内容printf或者cout出来是乱码的，保存为文件是可以的，如果文件还是乱码，以utf-8打开就能正常显示（Windows默认Ansi编码，编码区别自己百度）。

#ifndef __GUNZIP_H__
#define __GUNZIP_H__

#include "zlib.h"
#include "stdlib.h"
#include "string.h"
#define CHUNK 64

int  inflate_read(unsigned char  *source, int  len, unsigned char  **dest, int  gzip)
{
    int  ret;
    unsigned  have;
    z_stream  strm;
    unsigned  char  out[CHUNK];
    int  totalsize  =  0;

    /*  allocate  inflate  state  */
    strm.zalloc  =  Z_NULL;
    strm.zfree  =  Z_NULL;
    strm.opaque  =  Z_NULL;
    strm.avail_in  =  0;
    strm.next_in  =  Z_NULL;

    if(gzip)
        ret  =  inflateInit2(&strm,  47);
    else
        ret  =  inflateInit(&strm);

    if  (ret  !=  Z_OK)
        return  ret;

    strm.avail_in  =  len;
    strm.next_in  =  source;

    /*  run  inflate()  on  input  until  output  buffer  not  full  */
    do  {
        strm.avail_out  =  CHUNK;
        strm.next_out  =  out;
        ret  =  inflate(&strm,  Z_NO_FLUSH);
        //assert(ret  !=  Z_STREAM_ERROR);    /*  state  not  clobbered  */
        switch  (ret)  {
            case  Z_NEED_DICT:
            ret  =  Z_DATA_ERROR;          /*  and  fall  through  */
            case  Z_DATA_ERROR:
            case  Z_MEM_ERROR:
            inflateEnd(&strm);
            return  ret;
        }

        have  =  CHUNK  -  strm.avail_out;
        totalsize  +=  have;
        *dest  =  (unsigned char*)realloc(*dest,totalsize);
        memcpy(*dest  +  totalsize  -  have, out, have);
    }  while  (strm.avail_out  ==  0);

    /*  clean  up  and  return  */
    (void)inflateEnd(&strm);
    return  ret  ==  Z_STREAM_END  ?  Z_OK  :  Z_DATA_ERROR;
}
#endif

说明：上树源码并不验证文件内容完整性。

编译需要zlib库支持，连接选项’-lz’，如果提示错误安装zlib1g, zlib1g-dev.

解压网页

现在网站为了减小带宽占用，会对传输内容做压缩。nginx就默认开启gzip压缩。通过浏览器(火狐，chrome)f12可以查看当前页面传输格式。’Content-Encoding’ 头域指明文件的压缩算法；’Content-Length’指明传输文件的长度；’Transfer-Encoding’指明传输形式，如图中的‘chunked’表示块传输（具体自己百度）。其中’Content-Length’与’Transfer-Encoding’是一对矛盾的存在，而这只能有其一。块传输允许服务器再不知道要回应多少内容时候先传输一部分，在结束时候明显标记技术。



网站会根据客户端的请求决定是否对内容进行压缩，浏览器HTTP请求头有’Accept-Encoding’ 头域指定可以接受的内容形式。

步骤

1. 解压缩网页需要判断压缩内容开始的位置，压缩内容开始是在http头部结束位置，HTTP协议规定HTTP头域每一个标签结束需要以’\r\n’结束，在头结束位置以’\r\n’与内容分割。也就是http头结束是’\r\n\r\n’，在这之后就是压缩内容。
2. gzip格式是以’0x1f 0x8b’开始的。
3. 文件长度：如果未采取块传输，HTTP 响应的 ‘Content-Length’就是压缩内容的长度。如果采取块传输需要缓存每一部分，直到结束。因为压缩不是按块压缩的，而是分块传输的gzip实体。

最后建议：如果采用本代码进行解压网页，不是很建议，自己需要做的工作比较多，需要缓存，重组，解压。有另一种简单方式是利用’libcurl’，libcurl 支持自解压，只需要设置 CURLOPT_ENCODING 选项。