天天看点
返回

Java基础之IO转换流学习简要概述字符集转换流参考链接

Java基础之IO转换流学习

  • 简要概述
  • 字符集
    • 介绍
    • 分类
    • 乱码举例
  • 转换流
    • InputStreamReader类(字节流->字符流)
    • OutputStreamWriter类(字符流->字节流)
    • 注意事项
  • 参考链接

简要概述

  • 作用
    Java基础之IO转换流学习简要概述字符集转换流参考链接
  • 字符编码与解码
    字符编码(Character Encoding)：就是一套自然语言的字符与二进制数之间的对应规则。
    编码表：则是生活中文字和计算机中二进制的对应规则。

    计算机中储存的信息都是用二进制数表示的，而我们在屏幕上看到的数字、英文、标点符号、汉字等字符是二进制数转换之后的结果。

    编码：按照某种规则，将字符存储到计算机中(字符(能看懂的)–字节(看不懂的))

    解码：将存储在计算机中的二进制数按照某种规则解析显示出来，称为解码(字节(看不懂的)–>字符(能看懂的))

    // 编码：通过指定的字符集解码字节数组 byte[] -- String
    public String(byte bytes[], String charsetName)
            throws UnsupportedEncodingException {
        this(bytes, 0, bytes.length, charsetName);
    }

    // 解码：使用指定的字符集合把字符串编码为字节数组 String -- byte[]
    public byte[] getBytes(String charsetName)
        throws UnsupportedEncodingException {
        if (charsetName == null) throw new NullPointerException();
        return StringCoding.encode(charsetName, value, 0, value.length);
    }

字符集

介绍

  • 概念

    字符集(Charset)：也叫编码表。是一个系统支持的所有字符的集合，包括各国家文字、标点符号、图形符号、数字等。

    计算机要准确的存储和识别各种字符集符合，需要进行字符编码，一套字符集必然至少有一套字符编码。常见字符集有ASCII字符集、GBK字符集、Unicode字符集等。

    当指定了编码，它对应的字符集自然就指定了。

分类

  • ASCII字符集

    ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，用于显示现代英语，主要包括控制字符（回车键、退格、换行键等）和可显示字符（英文大小写字符、阿拉伯数字和西文符号）。

    基本的ASCII字符集，使用7位（bits）表示一个字符，共128字符。ASCII的扩展字符集使用8位（bits）表示一个字符，共256字符，方便支持欧洲常用字符。

  • ISO-8859-1字符集

    拉丁码表，别名Latin-1，用于显示欧洲使用的语言，包括荷兰、丹麦、德语、意大利语、西班牙语等。

    ISO-8859-1使用单字节编码，兼容ASCII编码。

  • GBxxx字符集

    GB就是国标的意思，是为了显示中文而设计的一套字符集。

    GB2312：简体中文码表。一个小于127的字符的意义与原来相同。但两个大于127的字符连在一起时，就表示一个汉字，这样大约可以组合了包含7000多个简体汉字，此外数学符号、罗马希腊的字母、日文的假名们都编进去了，连在ASCII里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的"全角"字符，而原来在127号以下的那些就叫"半角"字符了。

    GBK：最常用的中文码表。是在GB2312标准基础上的扩展规范，使用了双字节编码方案，共收录了21003个汉字，完全兼容GB2312标准，同时支持繁体汉字以及日韩汉字等。

    GB18030：最新的中文码表。收录汉字70244个，采用多字节编码，每个字可以由1个、2个或4个字节组成。支持中国国内少数民族的文字，同时支持繁体汉字以及日韩汉字等。

  • Unicode字符集

    Unicode编码系统为表达任意语言的任意字符而设计，是业界的一种标准，也称为统一码、标准万国码。

    它最多使用4个字节的数字来表达每个字母、符号，或者文字。有三种编码方案：UTF-8、UTF-16和UTF-32。最为常用的UTF-8编码。

    UTF-8编码，可以用来表示Unicode标准中任何字符，它是电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。互联网工程工作小组（IETF）要求所有互联网协议都必须支持UTF-8编码。所以，我们开发Web应用，也要使用UTF-8编码。它使用一至四个字节为每个字符编码，编码规则：

    128个US-ASCII字符，只需一个字节编码。

    拉丁文等字符，需要二个字节编码。

    大部分常用字（含中文），使用三个字节编码。

    其他极少使用的Unicode辅助字符，使用四字节编码

乱码举例

  • 文本编码与读取编码不一致

    IDEA设置，都是默认的UTF-8编码，但是，当读取Windows系统中创建的文本文件时，由于Windows系统的默认是GBK编码，就会出现乱码

    /**
    * @Author charlesYan
    * @Description //测试乱码情况：源文件采用gbk编码，读取时采用utf-8解码
    * @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);
            }

            // 定义字节数组
            byte[] b = new byte[1024];

            // 定义长度
            int length;

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

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

    }

转换流

InputStreamReader类(字节流->字符流)

  • 简介

    转换流java.io.InputStreamReader，是Reader的子类，从字面意思可以看出它是从字节流到字符流的桥梁。它读取字节，并使用指定的字符集将其解码为字符。它的字符集可以由名称指定，也可以接受平台的默认字符集。

  • 构造方法 
    InputStreamReader(InputStream in): 创建一个使用默认字符集的字符流。
    InputStreamReader(InputStream in, String charsetName): 创建一个指定字符集的字符流。
  • 使用转换流解决编码问题 
    /**
    * @Author charlesYan
    * @Description //使用转换流读取数据，解决读取乱码问题
    * @Date 14:41 2020/11/17
    * @Param []
    * @return void
    **/
    @Test
    public void testInputStreamReader(){

        // 文件路径内容采用gbk编码，创建流对象指定GBK编码
        try(InputStreamReader isr = new InputStreamReader(new FileInputStream("E:\\Blog\\202011171112.txt"), "GBK");) {

            // 定义变量，保存字符
            int read;

            // 使用指定编码字符流读取，正常解析
            while ((read = isr.read()) != -1) {
                System.out.println((char)read);
            }

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

    }

OutputStreamWriter类(字符流->字节流)

  • 简介

    转换流java.io.OutputStreamWriter ，是Writer的子类，字面看容易混淆会误以为是转为字符流，其实不然，OutputStreamWriter为从字符流到字节流的桥梁。使用指定的字符集将字符编码为字节。它的字符集可以由名称指定，也可以接受平台的默认字符集

  • 构造方法 
    OutputStreamWriter(OutputStream in): 创建一个使用默认字符集的字符流。
    OutputStreamWriter(OutputStream in, String charsetName): 创建一个指定字符集的字符流。
  • 指定编码构造文件 
    /**
    * @Author charlesYan
    * @Description //使用转换流构造指定编码文件
    * @Date 14:56 2020/11/17
    * @Param []
    * @return void
    **/
    @Test
    public void testOutputStreamWriter() throws Exception {

        // 此时创建的文件必须以UTF-8格式打开，否则乱码
        OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream("E:\\Blog\\202011171500.txt"));

        String content = "你好";// 保存为6个字节
        osw.write(content);
        osw.close();

        // 此时创建的文件必须以GBK格式打开，否则乱码
        OutputStreamWriter gbkOsw = new OutputStreamWriter(new FileOutputStream("E:\\Blog\\202011171501.txt"), "GBK");
        String substance = "明天";// 保存为4个字节
        gbkOsw.write(substance);
        gbkOsw.close();
    }

注意事项

  • 提高效率

    为了达到最高效率，可以考虑在 BufferedReader 内包装 InputStreamReader

    BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream("E:\\Blog\\202011171501.txt")))；
  • FileReader类仅仅是InputStreamReader的简单衍生并未扩展任何功能
  • FileReader类读取数据实质是InputStreamReader类在读取，而InputStreamReader读取数据实际是StreamDecoder类读取，因此在使用字符输入流的时候实际是StreamDecoder类在发挥作用

参考链接

  • 史上最骚最全最详细的IO流教程，没有之一！

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

  • JAVA基础知识之InputStreamReader流

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

source code Java Interview java
上一篇: Java学习笔记之--------IO流之打印流
下一篇: Java 基础学习IO流之BufferedReader

继续阅读