【Java】`字符输入流` 的底层原理超详解

一、画图分析

这个东西会有一点点小难，并且以后用到的记录也很小，那为什么还要学呢？

其实就是因为想给大家开阔一下眼界，让你知道的更多，在写代码的时候考虑的事情更加的全面。

首先来看读取数据的底层原理，在读取数据的时候，肯定要有一个数据源，假设数据源的编码规则是 UTF-8，现在我们要利用字符输入流把数据读取到内存中，当我们创建了 FileReader对象 的时候，就好比是内存跟文件之间有了一个连接的通道，但是与此同时在创建 FileReader对象 的时候，在底层还创建了一个长度为 8192 的字节数组，这个字节数组我们也称之为 缓冲区。

接下来我们会读下面的代码。

首先定义了一个 int类型的变量 ch，在内存中，这个变量就出现了，但是此时这个变量里面是没有赋值的，接下来利用空参的 read方法 第一次读取。

每次在读取的时候，它会去判断缓冲区中，是否有数据可以被读取。

由于现在是第一次读，第一次里面肯定是空的，没有任何数据。

如果没有，就会从文件中读取数据，装到缓冲区中，尽可能装满缓冲区。

因此此时它就会从文件中获取 8192个字节 放到缓冲区中，但是现在文件中没有那么多数据，只有 a我（一共四个字节），因此现在它就会将这四个字节放到缓冲区中。

接着每次读取的时候就会从缓冲区中读取数据，这样它的效率会更高，减少了频繁到硬盘中读取数据的过程，因此缓冲区就是为了提高效率的。

那么现在，第一次从缓冲区中读，读的是第一个字节，它将第一个字节按照 UTF-8 的形式进行解码，并转成十进制，再赋值给变量 ch，因此 ch 中记录的就是 97。

然后再将 ch 强制转成字符再进行打印，因此打印出来的就是小写 a。

继续往下，第二次 read()，字符流在读取的时候，首先它都会去判断缓冲区中是否有数据可以被读取。

如果没有，就会从文件中读取数据，装到缓冲区中，尽可能装满缓冲区。

但是如果有数据，它就不会找文件了，而是直接从缓冲区中读取数据。

在第二次读取的时候它发现，这里的第二个字节是中文的，所以一次性会读取三个字节，并按照 UTF-8 的形式进行解码，转成十进制 25105 再赋值给变量 ch。

此时在代码中将 ch 强转为 字符，再进行打印，因此第二次打印的就是汉字 我。

继续往下第三次读取，首先它还是会先判断缓冲区中是否有数据可以被读取。

如果没有，就会从文件中读取数据，尽可能装满缓冲区。

但是文件里面也没有剩余的数据了，此时就返回 -1，再将 -1 赋值给 ch。

这个就是 read方法 完整的底层原理。

---

二、总结

① 当我们在创建字符输入流对象的时候，在底层它会关联文件，而且会创建一个缓冲区，所谓缓冲区就是一个 长度为8192的字节数组。

但是创建字节输入流（FileInputStream）它底层是没有缓冲区的。

② 读取数据的底层会比较麻烦

1、判断缓冲区中是否有数据可以被读取

2、如果缓冲区没有，就会从文件中读取数据，装到缓冲区中，尽可能装满缓冲区。

• 但如果文件中也没有剩余的数据了，此时返回 -1，表示读到了文件的末尾。

3、但是如果缓冲区有数据，它就不会找文件了，而是直接从缓冲区中读取数据。

• 空参的 read方法：一次读取一个字节，遇到中文一次读多个字节，把字节解码并转成十进制进行返回

  而这里十进制的数字就是英文/汉字在字符集中所对应的数字。

  因此如果你不想看到这些数字，而是真实的英文字母/汉字，还需要手动强转。

• 有参的 read方法：在刚开始的时候，有参的 read方法 也会去看缓冲区，但是它在读取的时候，将 读取字节，解码，强转 三步进行合并了，它会将强转后的字符放到数组中。

因此这两个 read方法 还是有区别的，有参的 read方法 多了一个强转；而空参 read方法 返回的是解码后的十进制数据，如果想看到那个字符，还需要我们自己手动进行强转。

---

三、验证结论

准备代码：关联 myio模块 下的 a.txt，然后读取四次，最后释放资源。

FileReader fr = new FileReader("myio\\a.txt");
int b1 = fr.read();
System.out.println(b1);

int b2 = fr.read();
System.out.println(b2);

int b3 = fr.read();
System.out.println(b3);
System.out.println((char) b3);

int b4 = fr.read();
System.out.println(b4);

fr.close();

接下来我们要来验证，① 创建对象的时候它底层到底有没有那个缓冲区；② 第一次读取的时候它会不会把文件里面的数据撞到缓冲区中。

下面用 debug 的方式带你一步一步去查看，先打断点，然后右键 debug

此时第8行代码变成深蓝色了，表示这一行代码现在还没有执行，但准备要执行。

此时点击 下一步，这就表示创建对象的这行代码已经执行完毕。

在 fr 里面它会有很多的数据，我们要一个一个打开，找找这里的 bb，这个 bb 就是我们刚刚所说的 缓冲区。

可以发现它是 byte字节类型 的，长度为 8192，因此我们就知道了，FileReader 底层的缓冲区其实就是一个 长度为8192的字节数组。

刚开始创建出来的时候，数组里什么都没有，都是 0。

接下来执行 read方法，第一次读取的时候，它会把文件里的字节装到缓冲区中，而且是尽可能将缓冲区装满。

现在在文件中只有 ab我，a 一个字节，b 一个字节，我 三个字节，因为IDEA默认是 UTF-8。

所以它总共只有五个字节，不够 8192，因此它就会将这五个字节全部装到缓冲区中。

可以发现前面的 97、98 就是 a跟b，下面的 -26/-120/-111 这三个字节其实就是 我。

此时我们就知道了，在第一次读取的时候，它会把文件里的数据放到缓冲区中，而且会尽可能将缓冲区装满。

但是如果文件里的数据比较少，此时就是有多少装多少。

接下来就会从缓冲区中读取数据，第一次读取到的就是 97。

在继续往下，第二次读的时候 98。

第三次在读取的时候，读到了 -26，此时就知道了，当前是一个中文，中文在 UTF-8 中是占三个字节的，因此第三次会把 -86/-120/-111 三个字节一起读取并进行解码，再转成十进制，转完后就是 25105，再赋值给 b3。

而 25105 就是 我 这个汉字在 Unicode 中所对应的数字，如果不想看到这个数字，就需要进行手动强转。

此时控制台中就打印出了 我

继续往下，第四次读取的时候，缓冲区里面其实已经没有数据再让你去读了，此时它会再次到文件中看文件里是否还有剩余的数据。

如果文件里面也没有了，此时方法会返回 -1，此时 b4 就是 -1，表示文件已经读完。

最后就是 close() 关流，整个资源就释放掉了。

---

四、扩展1

如果文件中数据比较多的时候，它是怎么读取的呢？

准备了 b.txt ，它的大小为 8193，里面写了 8192个a 和 1个b 刚好多出一个字节

FileReader fr = new FileReader("myio\\b.txt");
fr.read();//会把文件中的数据放到缓冲区当中

//清空文件
FileWriter fw = new FileWriter("myio\\b.txt");

//在循环里面读8192次
for (int i = 0; i < 8192; i++) {
    fr.read();
}

//在循环外面再去读第8193次
fr.read();

fr.close();

打断点，第一次读取的时候会将文件中的数据读取到缓冲区，尽可能装满缓冲区，可以发现数组的最后一个装的还是 97。

因此在缓存区中已经将文件里面前面 8197个a 全都放进去了。

前面的读取都是先从缓冲区中读取，直到缓冲区中的数据全部读取完，它才会到缓冲区中拿。

如果要验证它是怎么从缓冲区中拿的，此时我们可以将可以将断点打在 16行 的前面。

读取完后，发现它将 b 读取到了，并放到了缓冲区中。

---

五、扩展2

FileReader fr = new FileReader("myio\\b.txt");
fr.read();//会把文件中的数据放到缓冲区当中

//清空文件
FileWriter fw = new FileWriter("myio\\b.txt"); // 但是它只能清空文件，不能清空缓冲区

//请问，如果我再次使用fr进行读取，会读取到数据吗？

//此时循环读取的时候，会把缓冲区中的数据全部读取完毕，读完了才会去文件中看
//正确答案：
//会打印，但是只能读取缓冲区中的数据，文件中剩余的数据无法再次读取
int ch;
while((ch = fr.read()) != -1){
    System.out.println((char)ch);
}

fw.close();
fr.close();