目录
一、概述
1、转换流的作用:
转换流就是将字节输入流转换为字符输入流(InputStream------->Reader),将字节输出流转换为字符输出流(OutputStream---------->Writer)
2、为什么会有转换流?
因为BufferedReader和BufferedWriter这两个缓冲流的构造方法中只能传入字符输入流或字符输出流,那如果是一个字节输入流或字节输出流会怎么样呢?可以通过转换流将字节流转换为字符流
二、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,也可以接收平台默认的字符集
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
参数:
InputStream in: 字节输入流,用来读取文件中保存的字节
String charsetName:指定的编码表名称,不区分大小写,可以utf-8/UTF-8,不指定默认使用utf-8
使用步骤:
1.创建InputStreamReader对象,构造方法中传递字节输入流和指定的编码表名称
2.使用InputStreamReader对象中的方法read读取文件
3.释放资源
注意:
构造方法中指定的编码表名称要和文件编码相同,否则发生乱码
【代码演示】
//指定编码读取
public static void main(String[] args) throws IOException {
//创建流对象 默认utf-8
InputStreamReader isr = new InputStreamReader(new FileInputStream("d:\\a.txt"));
//创建流对象 指定GBK编码
InputStreamReader isr2 = new InputStreamReader(new FileInputStream("d:\\a.txt"),"GBK");
//定义 变量 保存字符
int read;
//使用默认编码字符读取
while ((read=isr.read())!=-1){
System.out.println((char)read);
}
isr.close();
//使用指定编码字符流都组
while ((read=isr2.read())!=-1){
System.out.println((char)read);
}
isr2.close();
}
三、OutputStreamWriter类
转换流java.io.OutputStreamWriter类,是wireter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,它的字符集可以由名称指定,也可以接收平台默认的字符集。
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)创建一个使用指定字符集的字符流
参数:
OutputStream in: 字节输出流,可以用来写传唤之后的字节到文件中
String charsetName:指定的编码表名称,不区分大小写,可以utf-8/UTF-8,不指定默认使用utf-8
使用步骤:
1.创建OutputStreamWriter对象,构造方法中传递字节输出流和指定的编码表名称
2.使用OutputStreamWriter对象中的方法writer,把字符转换为字节存储到缓冲区中(编码)
3.使用OutputStreamWriter对象中的方法flush,把内冲缓冲区中的字节书信到文件中(使用字节流写字节的过程)
4.释放资源
【代码演示】
OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream("a.txt"));
OutputStreamWriter osw2 = new OutputStreamWriter(new FileOutputStream("a.txt"),"GBK");
public static void main(String[] args) throws IOException {
//创建流对象 默认的utf8
OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream("d:\\a.txt"));
//写出数据
osw.write("你好");
osw.flush();
osw.close();
//创建流对象 指定GBK
OutputStreamWriter osw2 = new OutputStreamWriter(new FileOutputStream("d:\\a.txt"),"GBK");
//写数据
osw2.write("你好");
osw2.close();
}
练习题:将GBK编码的文本文件,转换为UTF-8编码的文本文件。
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。
【代码演示】
public static void main(String[] args) throws IOException {
//创建流对象,转换输入流,指定GBK编码
InputStreamReader isr = new InputStreamReader(new FileInputStream("d:\\a.txt"), "GBK");
//创建流对象,转换输出流,默认UTF8编码
OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream("d:\\b.txt"));
//读写数据,定义数组
char[] cbuf = new char[1024];
//定义长度
int len;
while ((len=isr.read(cbuf))!=-1){
//循环写出
osw.write(cbuf,0,len);
}
//释放资源
osw.close();
isr.close();
}
四、字符编码和字符集
1、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f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。
2、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。
因此,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。
2.1、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。
2.2、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-8859-1使用单字节编码,兼容ASCII编码。
2.3、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。
2.4、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。
注意:如果编码不一样,会导致数据出现异常显示。