在处理归档文件的过程中，多层嵌套的ZIP包是很常见的情况，很多时候我们需要从这些嵌套结构中提取出所有的PDF文件，手动逐层解压不仅效率低下还容易出错。下面介绍一种基于Java的递归解压实现方案，能够自动处理多层级ZIP嵌套，精准提取所有PDF文件。
实现思路
整个处理流程的核心逻辑是递归遍历，具体步骤如下：
- 首先读取最外层的ZIP文件，遍历其中的每一个条目
- 如果条目是目录，则创建对应的本地目录结构
- 如果条目是ZIP文件，则将该部分内容读取为字节数组，重新包装成ZIP输入流，递归调用解压逻辑
- 如果条目是PDF文件，则直接将其内容写入到目标目录的对应路径中
- 非PDF类型的普通文件可以选择跳过或者按需处理
核心代码实现
递归解压主方法
下面的代码实现了递归处理ZIP的逻辑，支持多层嵌套：
import java.io.*;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream;
public class NestedZipPdfExtractor {
// 递归解压ZIP并提取PDF的主方法
public static void extractPdfsFromNestedZip(String zipFilePath, String outputDir) throws IOException {
File outDir = new File(outputDir);
if (!outDir.exists()) {
outDir.mkdirs();
}
try (ZipInputStream zipInputStream = new ZipInputStream(new FileInputStream(zipFilePath))) {
processZipStream(zipInputStream, outputDir, "");
}
}
// 处理ZIP输入流的核心递归方法
private static void processZipStream(ZipInputStream zipInputStream, String baseOutputDir, String currentPath) throws IOException {
ZipEntry entry;
while ((entry = zipInputStream.getNextEntry()) != null) {
String entryName = entry.getName();
// 拼接当前条目的完整路径
String fullPath = currentPath.isEmpty() ? entryName : currentPath + "/" + entryName;
String outputPath = baseOutputDir + File.separator + fullPath;
if (entry.isDirectory()) {
// 如果是目录，创建对应的本地目录
File dir = new File(outputPath);
dir.mkdirs();
} else {
// 判断当前条目是否是ZIP文件
if (entryName.toLowerCase().endsWith(".zip")) {
// 读取ZIP条目的字节内容
byte[] zipBytes = readAllBytes(zipInputStream);
// 将字节数组包装成新的ZIP输入流，递归处理
try (ZipInputStream nestedZipInputStream = new ZipInputStream(new ByteArrayInputStream(zipBytes))) {
processZipStream(nestedZipInputStream, baseOutputDir, fullPath.substring(0, fullPath.lastIndexOf(".")));
}
} else if (entryName.toLowerCase().endsWith(".pdf")) {
// 如果是PDF文件，写入到目标目录
File pdfFile = new File(outputPath);
File parentDir = pdfFile.getParentFile();
if (parentDir != null && !parentDir.exists()) {
parentDir.mkdirs();
}
try (FileOutputStream fos = new FileOutputStream(pdfFile)) {
byte[] buffer = new byte[1024];
int len;
while ((len = zipInputStream.read(buffer)) != -1) {
fos.write(buffer, 0, len);
}
}
}
// 非ZIP非PDF的文件可以选择跳过，这里不做处理
}
zipInputStream.closeEntry();
}
}
// 读取输入流中的所有字节
private static byte[] readAllBytes(InputStream inputStream) throws IOException {
ByteArrayOutputStream baos = new ByteArrayOutputStream();
byte[] buffer = new byte[1024];
int len;
while ((len = inputStream.read(buffer)) != -1) {
baos.write(buffer, 0, len);
}
return baos.toByteArray();
}
public static void main(String[] args) {
try {
// 测试用的外层ZIP路径和目标输出目录
String zipPath = "D:/test/nested.zip";
String outputDir = "D:/test/pdf_output";
extractPdfsFromNestedZip(zipPath, outputDir);
System.out.println("PDF提取完成，输出目录：" + outputDir);
} catch (IOException e) {
e.printStackTrace();
}
}
}
代码说明
上述代码中，extractPdfsFromNestedZip是对外暴露的主方法，接收外层ZIP的路径和最终PDF的输出目录。核心的递归逻辑在processZipStream方法中实现，该方法会不断遍历ZIP输入流中的每一个条目：
- 遇到目录时，直接在输出目录创建对应的文件夹结构
- 遇到ZIP条目时，先读取其全部字节内容，再将其包装成新的
ZipInputStream递归调用处理逻辑，实现多层嵌套的解析 - 遇到以
.pdf结尾的条目时，直接将内容写入到输出目录的对应路径中，保留原有的层级结构
注意事项
在实际使用时需要注意以下几点：
- 如果嵌套的ZIP层级非常深，可能会存在栈溢出的风险，这种情况下可以将递归改为栈或队列实现的迭代方式
- 如果ZIP文件体积较大，读取字节数组时可以考虑分块处理，避免占用过多内存
- 可以根据需求调整文件过滤逻辑，比如增加对其他文档类型的支持
- 处理文件时要注意权限问题，确保程序对目标目录有写入权限