天天看點
傳回

Java基礎之IO轉換流學習簡要概述字元集轉換流參考連結

Java基礎之IO轉換流學習

  • 簡要概述
  • 字元集
    • 介紹
    • 分類
    • 亂碼舉例
  • 轉換流
    • InputStreamReader類(位元組流->字元流)
    • OutputStreamWriter類(字元流->位元組流)
    • 注意事項
  • 參考連結

簡要概述

  • 作用
    Java基礎之IO轉換流學習簡要概述字元集轉換流參考連結
  • 字元編碼與解碼
    字元編碼(Character Encoding)：就是一套自然語言的字元與二進制數之間的對應規則。
    編碼表：則是生活中文字和計算機中二進制的對應規則。

    計算機中儲存的資訊都是用二進制數表示的，而我們在螢幕上看到的數字、英文、标點符号、漢字等字元是二進制數轉換之後的結果。

    編碼：按照某種規則，将字元存儲到計算機中(字元(能看懂的)–位元組(看不懂的))

    解碼：将存儲在計算機中的二進制數按照某種規則解析顯示出來，稱為解碼(位元組(看不懂的)–>字元(能看懂的))

    // 編碼：通過指定的字元集解碼位元組數組 byte[] -- String
    public String(byte bytes[], String charsetName)
            throws UnsupportedEncodingException {
        this(bytes, 0, bytes.length, charsetName);
    }

    // 解碼：使用指定的字元集合把字元串編碼為位元組數組 String -- byte[]
    public byte[] getBytes(String charsetName)
        throws UnsupportedEncodingException {
        if (charsetName == null) throw new NullPointerException();
        return StringCoding.encode(charsetName, value, 0, value.length);
    }

字元集

介紹

  • 概念

    字元集(Charset)：也叫編碼表。是一個系統支援的所有字元的集合，包括各國家文字、标點符号、圖形符号、數字等。

    計算機要準确的存儲和識别各種字元集符合，需要進行字元編碼，一套字元集必然至少有一套字元編碼。常見字元集有ASCII字元集、GBK字元集、Unicode字元集等。

    當指定了編碼，它對應的字元集自然就指定了。

分類

  • ASCII字元集

    ASCII（American Standard Code for Information Interchange，美國資訊交換标準代碼）是基于拉丁字母的一套電腦編碼系統，用于顯示現代英語，主要包括控制字元（Enter鍵、倒退、換行鍵等）和可顯示字元（英文大小寫字元、阿拉伯數字和西文符号）。

    基本的ASCII字元集，使用7位（bits）表示一個字元，共128字元。ASCII的擴充字元集使用8位（bits）表示一個字元，共256字元，友善支援歐洲常用字元。

  • ISO-8859-1字元集

    拉丁碼表，别名Latin-1，用于顯示歐洲使用的語言，包括荷蘭、丹麥、德語、意大利語、西班牙語等。

    ISO-8859-1使用單位元組編碼，相容ASCII編碼。

  • GBxxx字元集

    GB就是國标的意思，是為了顯示中文而設計的一套字元集。

    GB2312：簡體中文碼表。一個小于127的字元的意義與原來相同。但兩個大于127的字元連在一起時，就表示一個漢字，這樣大約可以組合了包含7000多個簡體漢字，此外數學符号、羅馬希臘的字母、日文的假名們都編進去了，連在ASCII裡本來就有的數字、标點、字母都統統重新編了兩個位元組長的編碼，這就是常說的"全角"字元，而原來在127号以下的那些就叫"半角"字元了。

    GBK：最常用的中文碼表。是在GB2312标準基礎上的擴充規範，使用了雙位元組編碼方案，共收錄了21003個漢字，完全相容GB2312标準，同時支援繁體漢字以及日韓漢字等。

    GB18030：最新的中文碼表。收錄漢字70244個，采用多位元組編碼，每個字可以由1個、2個或4個位元組組成。支援中國國内少數民族的文字，同時支援繁體漢字以及日韓漢字等。

  • Unicode字元集

    Unicode編碼系統為表達任意語言的任意字元而設計，是業界的一種标準，也稱為統一碼、标準萬國碼。

    它最多使用4個位元組的數字來表達每個字母、符号，或者文字。有三種編碼方案：UTF-8、UTF-16和UTF-32。最為常用的UTF-8編碼。

    UTF-8編碼，可以用來表示Unicode标準中任何字元，它是電子郵件、網頁及其他存儲或傳送文字的應用中，優先采用的編碼。網際網路工程工作小組（IETF）要求所有網際網路協定都必須支援UTF-8編碼。是以，我們開發Web應用，也要使用UTF-8編碼。它使用一至四個位元組為每個字元編碼，編碼規則：

    128個US-ASCII字元，隻需一個位元組編碼。

    拉丁文等字元，需要二個位元組編碼。

    大部分常用字（含中文），使用三個位元組編碼。

    其他極少使用的Unicode輔助字元，使用四位元組編碼

亂碼舉例

  • 文本編碼與讀取編碼不一緻

    IDEA設定，都是預設的UTF-8編碼，但是，當讀取Windows系統中建立的文本檔案時，由于Windows系統的預設是GBK編碼，就會出現亂碼

    /**
    * @Author charlesYan
    * @Description //測試亂碼情況：源檔案采用gbk編碼，讀取時采用utf-8解碼
    * @Date 11:11 2020/11/17
    * @Param []
    * @return void
    **/
    @Test
    public void testUnintelligible(){

        try (FileReader fr = new FileReader("E:\\Blog\\202011171130.txt");
            FileInputStream fis = new FileInputStream("E:\\Blog\\202011171130.txt");) {

            int len;

            while ((len = fr.read()) != -1) {
                System.out.println((char) len);
            }

            // 定義位元組數組
            byte[] b = new byte[1024];

            // 定義長度
            int length;

            while ((length = fis.read(b)) != -1) {
                System.out.println(new String(b,0,length));
            }
            

        } catch (Exception e) {
            e.printStackTrace();
        }

    }

轉換流

InputStreamReader類(位元組流->字元流)

  • 簡介

    轉換流java.io.InputStreamReader，是Reader的子類，從字面意思可以看出它是從位元組流到字元流的橋梁。它讀取位元組，并使用指定的字元集将其解碼為字元。它的字元集可以由名稱指定，也可以接受平台的預設字元集。

  • 構造方法 
    InputStreamReader(InputStream in): 建立一個使用預設字元集的字元流。
    InputStreamReader(InputStream in, String charsetName): 建立一個指定字元集的字元流。
  • 使用轉換流解決編碼問題 
    /**
    * @Author charlesYan
    * @Description //使用轉換流讀取資料，解決讀取亂碼問題
    * @Date 14:41 2020/11/17
    * @Param []
    * @return void
    **/
    @Test
    public void testInputStreamReader(){

        // 檔案路徑内容采用gbk編碼，建立流對象指定GBK編碼
        try(InputStreamReader isr = new InputStreamReader(new FileInputStream("E:\\Blog\\202011171112.txt"), "GBK");) {

            // 定義變量，儲存字元
            int read;

            // 使用指定編碼字元流讀取，正常解析
            while ((read = isr.read()) != -1) {
                System.out.println((char)read);
            }

        } catch (Exception e) {
            e.printStackTrace();
        }

    }

OutputStreamWriter類(字元流->位元組流)

  • 簡介

    轉換流java.io.OutputStreamWriter ，是Writer的子類，字面看容易混淆會誤以為是轉為字元流，其實不然，OutputStreamWriter為從字元流到位元組流的橋梁。使用指定的字元集将字元編碼為位元組。它的字元集可以由名稱指定，也可以接受平台的預設字元集

  • 構造方法 
    OutputStreamWriter(OutputStream in): 建立一個使用預設字元集的字元流。
    OutputStreamWriter(OutputStream in, String charsetName): 建立一個指定字元集的字元流。
  • 指定編碼構造檔案 
    /**
    * @Author charlesYan
    * @Description //使用轉換流構造指定編碼檔案
    * @Date 14:56 2020/11/17
    * @Param []
    * @return void
    **/
    @Test
    public void testOutputStreamWriter() throws Exception {

        // 此時建立的檔案必須以UTF-8格式打開，否則亂碼
        OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream("E:\\Blog\\202011171500.txt"));

        String content = "你好";// 儲存為6個位元組
        osw.write(content);
        osw.close();

        // 此時建立的檔案必須以GBK格式打開，否則亂碼
        OutputStreamWriter gbkOsw = new OutputStreamWriter(new FileOutputStream("E:\\Blog\\202011171501.txt"), "GBK");
        String substance = "明天";// 儲存為4個位元組
        gbkOsw.write(substance);
        gbkOsw.close();
    }

注意事項

  • 提高效率

    為了達到最高效率，可以考慮在 BufferedReader 内包裝 InputStreamReader

    BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream("E:\\Blog\\202011171501.txt")))；
  • FileReader類僅僅是InputStreamReader的簡單衍生并未擴充任何功能
  • FileReader類讀取資料實質是InputStreamReader類在讀取，而InputStreamReader讀取資料實際是StreamDecoder類讀取，是以在使用字元輸入流的時候實際是StreamDecoder類在發揮作用

參考連結

  • 史上最騷最全最詳細的IO流教程，沒有之一！

    https://www.cnblogs.com/yichunguo/p/11775270.html

  • JAVA基礎知識之InputStreamReader流

    https://blog.csdn.net/ai_bao_zi/article/details/81133476

source code Java Interview java
上一篇: Java學習筆記之--------IO流之列印流
下一篇: Java 基礎學習IO流之BufferedReader

繼續閱讀