Java BitSet.size() 返回的是底层分配的容量:而非实际有效位数

BitSet 的 size() 方法返回的是底层存储数组的容量（以 bit 为单位），并非逻辑上“已设置”的位数；真正反映有效数据长度的是 length() 方法——它返回最高置位索引 + 1（即忽略前导零后的实际位数），这对 Huffman 压缩等需精确控制比特流边界的场景至关重要。

bitset 的 `size()` 方法返回的是底层存储数组的容量（以 bit 为单位），并非逻辑上“已设置”的位数；真正反映有效数据长度的是 `length()` 方法——它返回最高置位索引 + 1（即忽略前导零后的实际位数），这对 huffman 压缩等需精确控制比特流边界的场景至关重要。

在 Java 中，BitSet 是一种高效操作二进制位的工具类，但其行为常被误解，尤其在压缩算法（如 Huffman 编码）中极易引发边界错误。你遇到的问题非常典型：调用 new BitSet(9) 后 bitset.size() 输出 64，而非预期的 9 ——这并非 bug，而是设计使然。

? 为什么 size() 总是返回 64、128 或更大 64 的倍数？

BitSet 的底层实现基于 long[] 数组（每个 long 占 64 位）。当你传入 new BitSet(9)，构造器仅保证“能容纳索引 0 到 8 的位”，即至少需支持第 9 个 bit（索引 8）。由于最小存储单元是 1 个 long（64 bits），JVM 必须分配一个 long[1]，因此 size() 返回 64 ——这是实际分配的存储空间大小，与业务逻辑所需的“有效位长”无关。

官方文档明确指出：

"Creates a bit set whose initial size is large enough to explicitly represent bits with indices in the range 0 through nbits-1."
关键词是 "large enough"，而非 "exactly"。

✅ 正确获取有效位长度：使用 length()

你需要的不是 size()，而是 length()：

立即学习“Java免费学习笔记（深入）”；

BitSet bitset = new BitSet();bitset.set(0, true);   // 0th bit → truebitset.set(8, true);   // 8th bit → true (so highest set bit is at index 8)System.out.println(bitset.size());   // → 64 (allocated capacity)System.out.println(bitset.length()); // → 9  (logical length: 8 + 1)

length() 的定义是：最高为 true 的位索引 + 1；若所有位均为 false，则返回 0。这正是 Huffman 编码后比特流的真实长度——无需额外存储原始长度字段，解压时直接用 bitset.length() 即可截断。

? 修复你的 arrayListToBitSet 方法

private BitSet arrayListToBitSet(ArrayList<Boolean> code) {    BitSet bitset = new BitSet(code.size()); // 构造参数仍建议传入预期最大索引+1，用于预分配优化    for (int i = 0; i < code.size(); i++) {        if (Boolean.TRUE.equals(code.get(i))) {            bitset.set(i); // 等价于 bitset.set(i, true)        }        // false 值无需显式 set(false) — BitSet 默认全为 false    }    return bitset;}

✅ 关键点：

• 不依赖 size() 判断数据长度；
• 序列化/写入文件前，先调用 bitset.length() 获取有效位数；
• 写入时，应将 BitSet 转为字节数组并仅写入前 N 位（N = bitset.length()），避免补零污染；
• 解压时，读取字节后重建 BitSet，再用 length() 精确还原原始比特序列。

? 进阶建议：更紧凑的比特操作（可选）

若追求极致内存效率（如省去 length() 字段），可考虑：

• 使用 ByteBuffer + 手动位运算（get(), put(), &, >>, <<）构建自定义 BitBuffer；
• 或借助第三方库如 Apache Commons Lang 的 BitField（但功能较基础）；
• 不推荐 boolean[]：JVM 中单个 boolean 至少占 1 字节（8 bits），空间浪费远超 BitSet。

⚠️ 注意事项总结

项目	说明
size()	❌ 勿用于业务长度判断；返回底层 long[] 容量（bit 数），总是 ≥64 的倍数
length()	✅ 唯一可靠的逻辑长度；解压时必须以此为准截断比特流
cardinality()	返回 true 位的总数，适用于统计，不反映序列长度
序列化	BitSet.toByteArray() 返回最小字节数组，但末尾可能含冗余零字节；务必结合 length() 截取有效比特

通过正确使用 length()，你完全无需在 CompressedFile 类中额外保存原始长度字段——既节省 4~8 字节（int/long），又保持语义清晰、解压精准。这才是 BitSet 在压缩场景下的正确打开方式。