目录
转换流
1. 字符编码和字符集
a. 字符编码
- 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。按照某种规则,将字符存储到计算机中,称为编码 。反之,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。比如说,按照 A 规则存储,同样按照 A 规则解析,那么就能显示正确的文本符号。反之,按照 A 规则存储,再按照 B 规则解析,就会导致乱码现象;
- 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;
b. 字符集
- 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号,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;
- 可见,当指定了编码,它所对应的字符集自然就指定了,所以编码才是我们最终要关心的;
- 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-5559-1 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 UTF32。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;
2. 编码引出的问题
- 在 IDEA 中,使用 FileReader 读取项目中的文本文件。由于 IDEA 的设置,都是默认的 UTF-8 编码,所以没有任何问题。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;
import java.io.FileReader;
import java.io.IOException;
public class Test {
public static void main(String[] args) throws IOException {
FileReader fileReader = new FileReader("C:\\Users\\80626\\Desktop\\1.txt");
int read;
while ((read = fileReader.read()) != -1) {
System.out.print((char) read);
}
fileReader.close();
}
}
/*
输出结果:
���
*/
- 那么如何读取 GBK 编码的文件呢?
3. 转换流理解图解
- 转换流是字节与字符间的桥梁:
4. InputStreamReader 类
转换流 java.io.InputStreamReader ,是Reader的子类,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;
a. 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;- 构造举例,代码如下:
InputStreamReader isr = new InputStreamReader(new FileInputStream("in.txt"));
InputStreamReader isr2 = new InputStreamReader(new FileInputStream("in.txt") , "GBK");
b. 指定编码读取
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;
public class Test {
public static void main(String[] args) throws IOException {
// 定义文件路径,文件为gbk编码
String FileName = "C:\\Users\\80626\\Desktop\\1.txt";
// 创建流对象,默认UTF8编码
InputStreamReader isr = new InputStreamReader(new FileInputStream(FileName));
// 创建流对象,指定GBK编码
InputStreamReader isr2 = new InputStreamReader(new FileInputStream(FileName),
"GBK");
// 定义变量,保存字符
int read;
// 使用默认编码字符流读取,乱码
while ((read = isr.read()) != -1) {
System.out.print((char) read); //大家好Hello
}
isr.close();
// 使用指定编码字符流读取,正常解析
System.out.println();
while ((read = isr2.read()) != -1) {
System.out.print((char) read);//澶у濂紿ello
}
isr2.close();
}
}
5. OutputStreamWriter 类
- 转换流 java.io.OutputStreamWriter ,是Writer的子类,是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;
a. 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;- 构造举例,代码如下:
OutputStreamWriter isr = new OutputStreamWriter(new FileOutputStream("out.txt"));
OutputStreamWriter isr2 = new OutputStreamWriter(new FileOutputStream("out.txt") ,
"GBK");
b. 指定编码写出
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStreamWriter;
public class Test {
public static void main(String[] args) throws IOException {
// 定义文件路径
String FileName = "C:\\Users\\80626\\Desktop\\1.txt";
// 创建流对象,默认UTF8编码
OutputStreamWriter osw = new OutputStreamWriter(new
FileOutputStream(FileName));
// 写出数据
osw.write("你好"); // 保存为6个字节
osw.close();
// 定义文件路径
String FileName2 = "C:\\Users\\80626\\Desktop\\2.txt";
// 创建流对象,指定GBK编码
OutputStreamWriter osw2 = new OutputStreamWriter(new
FileOutputStream(FileName2), "GBK");
// 写出数据
osw2.write("你好");// 保存为4个字节
osw2.close();
}
}
/*
文件1/2
你好
*/
6. 应用:转换文件编码
- 将 GBK 编码的文本文件,转换为 UTF-8 编码的文本文件;
a. 案例分析
- 指定 GBK 编码的转换流,读取文本文件;
- 使用 UTF-8 编码的转换流,写出文本文件;
b. 案例实现
import java.io.*;
public class Test {
public static void main(String[] args) throws IOException {
// 1.定义文件路径
String srcFile = "C:\\Users\\80626\\Desktop\\1.txt";
String destFile = "C:\\Users\\80626\\Desktop\\2.txt";
// 2.创建流对象
// 2.1 转换输入流,指定GBK编码
Reader isr = new InputStreamReader(new FileInputStream(srcFile), "GBK");
// 2.2 转换输出流,默认utf8编码
Writer osw = new OutputStreamWriter(new FileOutputStream(destFile));
// 3.读写数据
// 3.1 定义数组
char[] cbuf = new char[1024];
// 3.2 定义长度
int len;
// 3.3 循环读取
while ((len = isr.read(cbuf)) != -1) {
// 循环写出
osw.write(cbuf, 0, len);
}
// 4.释放资源
osw.close();
isr.close();
}
}
/*
srcFile:你好GOGO
destFile:浣犲ソGOGO
*/