关于java I/O 看这一篇就够了

io

概览

java的I/O知识体系大概分成以下组成部分：

• 文件基本操作：
  • 二进制文件字节操作：InputStream 和 OutputStream（字节流）
  • 文本文件字符操作：Reader 和 Writer（字符流）
  • 文件和目录操作：File
• 文件高级操作：
  • 常见文件类型处理：属性文件，csv，excel，html(jsoup java爬虫)，压缩文件
  • 随机读写文件：RandomAccessFile
  • 内存映射文件
  • 序列化
• io模型：BIO，NIO，AIO
• NIO

目录

本文目录：

文件概述

基本概念和常识：

• 二进制思维
• 文件类型
• 文本文件的编码
• 文件系统
• 文件的读写
• java文件概述

二进制思维

​ 为了透彻理解文件，我们首先要有一个二进制思维。所有文件，不论是可执行文件，图片文件，视频文件，word文件，压缩文件，txt文件，都没什么可神秘的，他们都是以0和1的二进制形式保存的。我们看到的图片，视频，文本都是应用程序对这些二进制的解析结果。

​ 作为一个程序员，我们应该有一个编辑器，可以查看文件的二进制形式，如UltraEdit，它支持以16进制的形式查看和编辑文件。

下载链接：

http://www.ultraedit.cn/downloads/ultraedit_download.html

文件类型

​ 虽然所有的数据都是以二进制形式保存的，但是为了方便处理数据，高级语言引入了数据类型的概念。文件处理也相似，所有的文件都是以二进制的形式保存的，但是为了方便理解和处理文件，文件也有文件类型的概念。

​ 文件类型通常是以扩展名的形式体现的，比如pdf文件类型的扩展名是.pdf，图片文件的一种常见扩展名是.jpg，压缩文件的一种常见扩展名是.zip。每种文件类型都有一定的格式，代表着文件含义和二进制之间的映射关系。有的文件类型格式是公开的，有的是私有的，我们可以自己定义自己私有的文件格式。

​ 对于一种文件类型，往往有一种或者多种应用程序可以解读他，进行查看和编辑，一个应用程序往往可以解读一种或者多种文件类型。在操作系统中，一种扩展名，往往关联一个应用程序，比如.doc后缀关联word应用。用户通过双击试图打开某扩展名的文件时，操作系统查找关联的应用程序，启动该程序，传递该文件的路径给它，程序再打开文件。

​ 文件类型可以粗略的分为两类：一类是文本文件；另一类是二进制文件。

​ 文本文件：.txt，.java，.html 等

​ 二进制文件：.zip，.pdf，.mp3，.xlsx 等

​

文本文件的编码

​ 对于文本文件，还有编码方式的属性。文本文件中 字符到二进制之间的映射（即编码）有多种方式。如：UTF-8，GB2312等。

​ 对于UTF-8编码方式，会在文件最开头的地方加入三个特殊字节（0xEf，0xBB，0xBF），这三个特殊字节被称为BOM头，BOM是byte order mark （即字节序标记）的缩写。

​ 不要只看文件的显示，还要看文件背后的 二级制。

​ 换行符：在win系统中，换行符一般是两个字符“\r\n”，即ascii 码的 13 （‘\r’) 和 10 (‘\n’) ；在linux系统中，换行符一般是一个字符 “\n”。

文件系统

​ 文件一般是放在硬盘上的，在windows中，可以有多个逻辑盘，比如C，D等，相当于有多个逻辑的根目录。在linux中，只有一个逻辑的根目录，用/斜线表示。每个文件都有文件路径的概念，路径有两种形式：绝对路径和相对路径。

​ 所谓绝对路径，是从根目录到当前 文件的完整路径，在windows中，目录之间用反斜线分割，如 C:\code\hello.java ，在linux中，目录之间用斜线分割，如：/user/desktop/code/hello.java。在java中，java.io.File 类定义了一个静态变量 File.separator，表示路径分割符，编程时应使用该变量，而避免硬编码。

​ 所谓相对路径，是相对于 当前目录 而言。在命令终端上，通过cd命令进入的目录就是当前目录；在 java中，通过 System.getProperty(“user.dir”)可以得到运行java程序的当前目录。相对路径不以根目录开头，比如在windows上，当前目录为 D:\zp ，相对路径为 code\hello.java。

​ 文件除了具体内容，还有元数据信息，如果文件名，创建时间，修改时间，文件大小等，文件还有一个是否隐藏的性值，在linux系统中，如果文件名以.开头，则为隐藏文件；在windows系统中，隐藏是文件的一个属性，可以进行设置。

​ 大部分文件系统的文件和目录具有 访问权限 的概念，对所有者，用户组可以有不同的权限，权限包括 读，写，执行等。

​ 文件名大小写是否敏感的概念，在windows中，一般是大小写不敏感的，而linux中一般是大小写敏感的。

​ 操作系统中有一个临时文件的概念，windows中一般位于：C:\user\用户名\AppData\Local\Temp；而linux中，位于 /tmp。

​

文件读写

​ 文件是放在硬盘上的，程序处理文件需要将文件读入内存，修改后，需要写回硬盘。

​ 一个基本常识是：硬盘的访问延时，相比内存是很慢的。操作系统和硬盘一般是按块批量传输的，而不是按字节，以摊销延时开销，块大小一般为512字节，即使应用程序只需要文件的一个字节，操作系统也会至少将一个块读进来。一般而言，应减少接触硬盘。

​ 另一个常识是：一般读写文件需要两次数据复制，比如读文件，需要先从硬盘复制到操作系统内核，再从内核复制到应用程序分配的内存中。操作系统运行所在的环境和应用程序是不一样的，操作系统所在的环境是内核态，应用程序是用户态，应用程序调用操作系统的功能，需要两次环境的切换，先从用户态切换到内核态，再从内核态切换到用户态，这种用户/内核态之间的切换是有开销的，应尽量减少这种切换。

​ 为了提高文件操作效率，应用程序经常使用 缓冲区。读文件时，即使目前只需要少了内容，但是预知还是会接着读取，就一次读取比较多的内容，放到缓冲区，下次读取时，如果缓冲区有，就直接从缓冲区读，减少访问操作系统和硬盘。写文件时，先写到缓冲区，写缓冲区写满的时候，再一次性调用操作系统写到硬盘。不过需要注意的时是，在写结束的时候，要记得把缓冲区的剩余内容同步到硬盘。操作系统自身也会使用缓冲区，但是应用程序更了解读写模式，恰当使用往往可以有更高的效率。

​ 操作系统操作文件 一般有打开和关闭的概念、打开文件会在操作系统内核简历一个有关该文件的内存结构，这个结构一般通过一个整数索引来引用，这个索引一般称为 文件描述符。这个结构是消耗内存的，操作系统能同时打开的文件一般也是有限的，不用文件的时候，记得 关闭文件。关闭文件一般会同步缓冲区到硬盘，并释放占据的内存结构。

​ 操作系统一般支持一种称为 内存映射文件的高效随机读取大写文件的方法，将文件直接映射到内存，操作内存就是操作文件。在内存映射文件中，只有访问到的数据才会被实际复制到内存，且数据只会被复制一次，被操作系统以及多个应用程序共享。

文件基本操作

文件基本操作：

• 二进制文件字节操作：InputStream 和 OutputStream（字节流）
• 文本文件字符操作：Reader 和 Writer（字符流）
• 文件和目录操作：File

字节流

InputStream 和 OutputStream