Java語言中字元的處理 (轉)

Java語言中字元的處理 (轉)[@more@]----摘要：本文主要討論了語言中字元的特殊表達形式，尤其是中文資訊的表達處理，闡述了字元處理的關鍵是要將十六位Unicode字元，轉換為本地下層平臺，也就是執行Java虛擬處理機的平臺能夠理解的字元形式。

----關鍵詞：Java、字元、8位、16位、Unicode字符集

----Java是一種語言、一個執行、一套開發工具和一個應用程式設計介面（）。Java建立在C++的熟悉、有用的特徵之上，而取消了C++的複雜的、危險的和多餘的元素。它是一個更、更簡單、更容易使用的語言。

1、Java的字元表達

----Java語言和C語言對字元進行了互不相同的描述，Java使用16位的Unicode字符集(該標準描述了許多語言的各種不同字元),因此Java字元是一個16位的無符號整數，字元變數用來存放單個字元，而不是完整的字串。

----一個字元(character)，就是單個字母(letter)，許多字母構成一個單詞，一組單片語成句子，以此類推。但是對於含有諸如中文資訊的字元，就不是那麼簡單了。

----Java的基本的char型別被定義成無符號的16位，它是Java中唯一的一個無符號型別。使用16位表達字元的主要原因是要讓Java能夠支援任何Unicode字元，因此而使得Java適用於描述或顯示任何被Unicode支援的語言，可移植性也就會更好。但是，能夠支援某種語言的字串顯示，和能夠正確列印某種語言的字串，常常是兩個不同的問題。由於Oak（Java最初的代號）開發組的主要環境是系統和某些源於Unix的系統，所以對開發人員來說，最為方便實用的字符集是ISOLatin-1。相應地，這一開發組就帶有Unix遺傳性，也就導致了Java的I/O系統在很大程度上以Unix的流概念為模型，而在Unix系統中，每一種I/O裝置都是用一串8位元的流來表示。這種在I/O系統方面取模於Unix的做法，使得Java語言擁有16位的Java字元，而卻只有8位的輸入裝置，這樣就給Java帶來了些不足。因此在任何一處Java字串按8位來讀入或寫出的地方，都得有一小段程式程式碼，被稱為"劈()"，來將8位的字元對映成為16位Unicode，或將16位的Unicode劈成8位字元。

2、問題及解決

----我們要實現從一個讀取資訊，尤其是讀取含有中文資訊的檔案，並將讀取到的資訊顯示在螢幕上，一般我們使用FileInputStream開啟檔案、readChar函式讀入字元。如下：


import java.io.*;
public class rf{
 public static void main(String args[]) {
 FileInputStream fis;
 DataInputStream dis;
 char c;

 try {
 fis = new FileInputStream("xinxi.txt");
 dis = new DataInputStream(fis);
 while (true) {
 c = dis.readChar();
 System.out.print(c);
 System.out.flush();
 if (c == 'n') break;
 }
 fis.close();
 } catch (Exception e) { }
 System.exit(0);
 }
}

----但是事實上，執行這一程式，所能得到的輸出結果是一堆無用的亂碼。不能正確輸出xinxi.txt檔案內容，其原因是readChar函式讀入的是16位的Unicode字元，而System.out.print卻將其當作八位的ISO latin-1字元輸出。

----Java 1.1版本引入了一套全新的Readers和Writers介面來處理字元。我們可以利用InputStreamReader類而不是DataInputStream來處理檔案。修改上面的程式如下：
import java.io.*;


public class rf {
 public static void main(String args[]) {
 FileInputStream fis;
 InputStreamReader irs;
 char ch;

 try {
 fis = new FileInputStream("xinxi.txt");
 irs = new InputStreamReader(fis);
 while (true) {
 ch = (char) irs.read();
 System.out.print(c);
 System.out.flush();
 if (ch == 'n') break;
 }
 fis.close();
 } catch (Exception e) { }
 System.exit(0);
 }
}

----這樣才能正確輸出xinxi.txt中的文字(尤其是中文資訊)。另外，當xinxi.txt檔案來自不同的機器，即來自不同操作平臺（或漢字內碼不同）的機器，比如： 檔案來自客戶端（客戶端檔案給），而讀取文中資訊的操作由伺服器端。如果用上面的程式來實現這一功能，就有可能仍然不能得到正確的結果。其原因就是輸入編碼轉換失敗，我們還需要進行如下的改動：


 ...... 
 int c1;
 int j=0;
 StringBuffer str=new StringBuffer();
 char lll[][]= new char[20][500];
 String ll="";
 try {
 fis = new FileInputStream("fname.txt");
 irs = new InputStreamReader(fis);
 c1=irs.read(lll[1],0,50);
 while (lll[1][j]!=' ') {
 str.append(lll[1][j]);
 j=j+1; 
 }
 ll=str.toString();
 System.out.println(ll);
 } catch (IOException e) {
 System.out.println(e.toString());}
 ......

----這樣，輸出的結果就正確了。當然，上面的程式是不完整的，只是說明了一下解決的方法。

----總之，Java語言中字元處理，尤其是中文資訊的處理，比較特殊。在Java中，字元處理的關鍵是要將十六位Unicode字元，轉換為本地下層平臺也就是執行Java虛擬處理機的平臺能夠理解的字元形式。