Java基礎之IO轉換流學習

Charles Yan發表於2020-11-17
Java

Java基礎之IO轉換流學習

簡要概述

  • 作用
    轉換流作用

  • 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位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位制的對應規則。

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

    編碼：按照某種規則，將字元儲存到計算機中(字元(能看懂的)–位元組(看不懂的))

    解碼：將儲存在計算機中的二進位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：通過指定的字符集解碼位元組陣列 byte[] -- String
    public String(byte bytes[], String charsetName)
            throws UnsupportedEncodingException {
        this(bytes, 0, bytes.length, charsetName);
    }

    // 解碼：使用指定的字符集合把字串編碼為位元組陣列 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

介紹

  • 概念

    字符集(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、標點符號、圖形符號、數字等。

    計算機要準確的儲存和識別各種字符集符合，需要進行字元編碼，一套字符集必然至少有一套字元編碼。常見字符集有ASCII字符集、GBK字符集、Unicode字符集等。

    當指定了編碼，它對應的字符集自然就指定了。

分類

  • ASCII字符集

    ASCII（American Standard Code for Information Interchange，美國資訊交換標準程式碼）是基於拉丁字母的一套電腦編碼系統，用於顯示現代英語，主要包括控制字元（Enter鍵、退格、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號）。

    基本的ASCII字符集，使用7位（bits）表示一個字元，共128字元。ASCII的擴充套件字符集使用8位（bits）表示一個字元，共256字元，方便支援歐洲常用字元。

  • ISO-8859-1字符集

    拉丁碼錶，別名Latin-1，用於顯示歐洲使用的語言，包括荷蘭、丹麥、德語、義大利語、西班牙語等。

    ISO-8859-1使用單位元組編碼，相容ASCII編碼。

  • GBxxx字符集

    GB就是國標的意思，是為了顯示中文而設計的一套字符集。

    GB2312：簡體中文碼錶。一個小於127的字元的意義與原來相同。但兩個大於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，此外數學符號、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、標點、字母都統統重新編了兩個位元組長的編碼，這就是常說的"全形"字元，而原來在127號以下的那些就叫"半形"字元了。

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

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

  • Unicode字符集

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

    它最多使用4個位元組的數字來表達每個字母、符號，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標準中任何字元，它是電子郵件、網頁及其他儲存或傳送文字的應用中，優先採用的編碼。網際網路工程工作小組（IETF）要求所有網際網路協議都必須支援UTF-8編碼。所以，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，只需一個位元組編碼。
    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

  • 文字編碼與讀取編碼不一致

    IDEA設定，都是預設的UTF-8編碼，但是，當讀取Windows系統中建立的文字檔案時，由於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：原始檔採用gbk編碼，讀取時採用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);
            }

            // 定義位元組陣列
            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樑。它讀取位元組，並使用指定的字符集將其解碼為字元。它的字符集可以由名稱指定，也可以接受平臺的預設字符集。

  • 構造方法

    
    InputStreamReader(InputStream in): 建立一個使用預設字符集的字元流。
    InputStreamReader(InputStream in, String charsetName): 建立一個指定字符集的字元流。

  • 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(){

        // 檔案路徑內容採用gbk編碼，建立流物件指定GBK編碼
        try(InputStreamReader isr = new InputStreamReader(new FileInputStream("E:\\Blog\\202011171112.txt"), "GBK");) {

            // 定義變數，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樑。使用指定的字符集將字元編碼為位元組。它的字符集可以由名稱指定，也可以接受平臺的預設字符集

  • 構造方法

    

    OutputStreamWriter(OutputStream in): 建立一個使用預設字符集的字元流。
    OutputStreamWriter(OutputStream in, String charsetName): 建立一個指定字符集的字元流。

  • 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格式開啟，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格式開啟，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 內包裝 InputStreamReader

    
    BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream("E:\\Blog\\202011171501.txt")))；

  • FileReader類僅僅是InputStreamReader的簡單衍生並未擴充套件任何功能

  • 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，因此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

相關文章