由于字节流操作中文不是特别的方便,所以Java就提供字符流
- 字符流 = 字节流 + 编码表
用字节流复制文本文件时,文本文件也会由中文,但是没有问题,原因是最底层操作会自动进行字节拼接成中文,然后识别是中文的呢?
- 汉字在存储的时候,无论选择哪种编码存储,第一个字节都是负数。
例:输出test1.txt的文本信息到控制台
FileInputStream fis = new FileInputStream("D:\\Software\\File\\test1.txt");
int b;
while((b = fis.read()) != -1){
System.out.print((char)b);
}
fis.close();
控制台输出:
What's up!怎么了
用以下代码,就正常了
FileInputStream fis = new FileInputStream("D:\\Software\\File\\test1.txt");
byte[] b = new byte[1024];
int len;
while((len = fis.read(b)) != -1){
System.out.print(new String(b,0,len));
}
fis.close();
控制台输出:
What's up!怎么了
编码表
基础知识:
- 计算机中存储的信息都是用二进制数表示的;我们在屏幕4上看到的英文、汉字等字符是二进制数转换之后的结果
- 安装某种规则,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。这里强调一下:按照A编码存储,必须按照A编码解析,这样才能显示正确的文本符号。否则就会导致乱码现象
字符编码:就是一套自然语言的字符与二进制数之间的对应规则(A,65)
字符集
- 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,就需要进行字符编码,一套字符集必然至少由一套字符编码。
常见字符集有ASCII字符集、GBXXX字符集、Unicode字符集等。
ASCII就不多介绍了。
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
GB128030: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
- 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个字节的数字来表示每个字母、符号,或者文字。有三种编码方案,UTF-8、UTF-16和UTF32。最为常用UTF-8编码。
- UTF-8编码:可以用来表示Unicode标准中任意字符,它是电子邮件、网页以及其他存储或传送文字的应用中,优先采用的编码。互联网工程小组(IETF)要求所有互联网协议都必须支持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(含汉字),使用三个字节编码
其他极少使用的Unicode辅助字符,使用四个字节编码
采用何种规则编码,就要采用对应规则解码,否则就会出现乱码