在接口对接或配置文件处理中，经常会遇到一种情况：XML文件里某个节点的值并不是普通文本，而是经过压缩然后又编码过的二进制数据。最常见的是先用gzip把原始内容压缩，再做base64编码塞进标签里。要还原这些内容，就必须走完提取、解码、解压三步。下面我们看具体怎么操作。
一、为什么XML里会出现压缩数据
XML本身是纯文本格式，所有内容都应以字符形式存在。但当我们要在XML中携带体积较大的数据，比如日志、报表或者批量记录时，直接写进去会让文件膨胀得厉害，传输和存储都不划算。于是很多系统会先把原始数据用gzip压缩成字节流，再转成base64字符串，作为某个<data>节点的文本内容。
这种做法在微信支付回调、某些政府数据上报接口里都能见到。它的好处是兼顾了XML的通用性和数据体积控制。但副作用就是接收方如果不知道约定，直接用DOM读出来打印，看到的就是一堆字母数字混合的base64串，完全不知其意。所以解压的本质，是先反向base64拿到压缩字节，再用gzip展开。
二、Java中的解压操作方法
在Java里，我们可以用标准库java.util.Base64和java.util.zip.GZIPInputStream来完成。假设XML片段是<root><data>H4sIAAAAAAAAA6pWykxRsjLWNjTUNQiOVNBXiTA0AABg+Ex3KgAAAA==</data></root>，下面代码演示提取与还原。
import org.w3c.dom.*;
import javax.xml.parsers.*;
import java.io.*;
import java.nio.charset.StandardCharsets;
import java.util.Base64;
import java.util.zip.GZIPInputStream;
public class XmlUnzipDemo {
public static void main(String[] args) throws Exception {
String xml = "<root><data>H4sIAAAAAAAAA6pWykxRsjLWNjTUNQiOVNBXiTA0AABg+Ex3KgAAAA==</data></root>";
DocumentBuilder db = DocumentBuilderFactory.newInstance().newDocumentBuilder();
Document doc = db.parse(new ByteArrayInputStream(xml.getBytes(StandardCharsets.UTF_8)));
String b64 = doc.getElementsByTagName("data").item(0).getTextContent().trim();
// 第一步：base64解码
byte[] compressed = Base64.getDecoder().decode(b64);
// 第二步：gzip解压
ByteArrayInputStream bais = new ByteArrayInputStream(compressed);
GZIPInputStream gzip = new GZIPInputStream(bais);
ByteArrayOutputStream out = new ByteArrayOutputStream();
byte[] buf = new byte[1024];
int len;
while ((len = gzip.read(buf)) != -1) {
out.write(buf, 0, len);
}
gzip.close();
String result = new String(out.toByteArray(), StandardCharsets.UTF_8);
System.out.println(result);
}
}
上面代码先解析XML拿到data节点的文本，去掉首尾空白后做base64解码，得到gzip压缩字节。接着用GZIPInputStream包装读取，循环写出到内存流，最后以UTF-8转成字符串。如果原始数据是中文，这里字符集必须和压缩前一致，否则会出现乱码。
这种写法的优点是只用JDK自带类，不引第三方包。缺点是代码偏长，实际项目里可以封装成一个工具方法，把节点名和字符集作为参数传进去，避免重复书写流拷贝逻辑。另外若数据是用zip而非gzip压的，就要换ZipInputStream并先读条目，不能混用。
三、Python中的解压操作方法
Python标准库base64和gzip配合起来更简洁。我们用xml.etree.ElementTree解析，两步就能还原。以下示例对应同样的压缩数据：
import base64
import gzip
import xml.etree.ElementTree as ET
xml_text = '<root><data>H4sIAAAAAAAAA6pWykxRsjLWNjTUNQiOVNBXiTA0AABg+Ex3KgAAAA==</data></root>'
root = ET.fromstring(xml_text)
b64_str = root.find('data').text.strip()
# 解码再解压
compressed = base64.b64decode(b64_str)
raw = gzip.decompress(compressed)
print(raw.decode('utf-8'))
Python的gzip.decompress一步就把字节流展开，不需要像Java那样手动循环读流。对小型XML内嵌数据，这种写法既清楚又省事。如果数据量很大，也可以改用gzip.GzipFile配合io.BytesIO做流式处理，防止一次性读进内存。
需要注意的是，Python3里decode默认用utf-8，但如果对方系统压的是gbk内容，就必须写成raw.decode('gbk')。很多开发者在这里栽跟头，明明解压没报错，出来的却是乱码方块，其实就是字符集没对上。
四、常见误区与排查思路
第一个误区是以为XML里看到的乱码字符串就是加密了，其实大多数只是base64加gzip。可以用在线工具或写两行代码试解，如果解出来是正常文本，就说明不是加密。第二个误区是把zip和gzip当同一种，用错了解压类，结果报头不对的异常。
排查时建议先打印base64串长度，太短的一般不是压缩数据。再单独做base64解码看头部字节，gzip文件头通常是1f 8b，zip是50 4b。确认头之后再选对应解压方式，基本都能解决。另外解析XML时务必trim文本，换行和空格会让base64解码直接失败。
| 步骤 | 作用 | 易错点 |
|---|---|---|
| 提取节点文本 | 拿到base64串 | 未去除空白致解码失败 |
| base64解码 | 还原压缩字节 | 误用URL安全编码 |
| gzip解压 | 得到原始内容 | 字符集不一致乱码 |
五、总结
在XML中解压内嵌压缩文件，核心就是按约定逆向操作：从指定节点取文本、base64解码、用正确算法解压、按原字符集转字符串。Java和Python都提供了完备的标准库，无需额外依赖。只要分清gzip与zip，留意字符集和空白字符，这类需求就能稳定处理。