Java IO和字符编码

一直以来被Java字符流、字节流搞混，今天就来做个了断：怎么只使用FileInputStream而不用Reader子类来输出汉字呢？

首先，Java的IO操作有两类(输入与输出流相对，这里只讲输入流)：字节流InputStream和字符流Reader，InputStream和Reader都是抽象类。InputStream有基本的read()读取一个字节的方法和read(byte[])读取多个字节到byte数组的方法；Reader有read()读取两个字节即一个字符的方法和read(char[])读取多个字符到char数组的方法。

字节流InputStream又分为两类：节点流(常见的有FileInputStream)和过滤流(常见的有BufferedInputStream)，都继承自InputStream，同理Reader也如此。过滤流BufferedInputStream只是对节点流的包装，源码如下：

public BufferedInputStream(InputStream in, int size) {
        super(in);
        if (size <= 0) {
            throw new IllegalArgumentException("Buffer size <= 0");
        }
        buf = new byte[size];
    }

当然，BufferedReader有readLine()读取一行的方法，使用更方便。

那么，回到开头，到底怎么用FileInputStream而不用Reader子类来输出汉字呢？方法如下：

首先在D盘下新建zoben.txt输入任何中文字符，保存时将编码改为Unicode，开始编写程序如下：

public static void main(String args[]) throws Exception {
		
<span style="white-space:pre">		</span>FileInputStream fis = new FileInputStream("D:\\zoben.txt");
		byte[] b = new byte[6];
		fis.read(b);
		//FileInputStream存放的是字节，要将其转为字符，必然涉及编码问题。
		String s = new String(b,"UTF-8");
		System.out.println(s);
		System.out.println(Charset.defaultCharset().displayName());

}

如上，b数组必须大于4，可能有同学疑惑Unicode不是用两个字节存储的吗？是的，但不要忘记，txt文件头几个字节是编码格式：

头2个字节如果是 ff fe 表示 unicode;
头3个字节如果是 ef bb bf 表示 utf-8;

因此，你把4改为6即可读取2个中文字符，改为8即可读取3个中文字符。

此时，如果你把txt文件另存为UTF-8格式，会显示中文乱码。UTF-8编码中文需要3个字符，并且如下所示，头三个字节是编码格式。因此，读取第一个字节需要将b数组设置为6，并且修改s=new String(b,"UTF-8")即可，当然，UTF-8可以不写，在我的机器上是默认编码，你可以使用System.out.println(Charset.defaultCharset().displayName())显示你的默认编码，b每增加3个字节多读取一个汉字。

对于FileReader来做个试验，当前我的zoben.txt是UTF-8编码的，如果我编程如下：

public static void main() throws Exception {
		FileReader fr = new FileReader(new File("D:\\zoben.txt"));
		//过滤第一个编码类型字符
		char c = (char)fr.read();
		//真正的第一个字符
		c = (char)fr.read();
		System.out.println(c);
		
}

那么，没问题，汉字正常输出。

如果我把zoben.txt编码改为Unicode，就出现乱码了。原因是：Java在内存中存储的总是Unicode编码。FileReader默认根据机器的缺省(此处为UTF-8，不是Unicode)编码进行读入，Java将其转为Unicode存储在内存中。Java在内存中操作是无所谓编码的，只是在字符输入和输出时就需要有编码的概念了。

到这里，你可能会说，指定FileReader输入的编码为Unicode不就行了吗？确实如此，然而FileReader并没有提供指定编码的功能。

那么该怎么办呢？也很简单，使用InputStreamReader就可以，如下：

public static void main() throws Exception {
		Reader r = new InputStreamReader(new FileInputStream("D:\\zoben.txt"),"Unicode");
		char c = (char)r.read();
		System.out.println(c);
}

如上，指定了将字节以Unicode的方式读入内存即可。

终于解决了这个问题。

总结：

1.Buffered只是过滤包装流

2.Java编码： 原编码(UTF-8或Unicode)>>Unicode(内存中)>>目标编码

3.BufferedReader有方便的readLine()方法

4.字节转为字符设计编码问题，如String s = new String(b,"UTF-8");