问题
字符流读取数据遇到中文字符会一次读取三个字节(若文件编码方式是UTF-8),而char类型是在Java中是占两个字节的,为什么读取后的值可以强转为char类型不出错。
字符流FileReader的read()方法读取后返回的是字符的整数类型Unicode码点值。
//例如:a.txt文件中第一个字符是“你”
FileReader fr = new FileReader("a.txt");
// read方法会将读取到的字符解码转为十进制的Unicode码点值
int i = fr.read(); // 20320
char c = (char) i; // 你
//在Java中,char类型是基于Unicode字符集的,每个char变量都表示一个Unicode字符的码点。
//因此,当我们将一个Unicode码点赋值给char类型的变量时,Java会根据该码点的值将其转换为对应的字符。
回答
原因是
- 读取中文字符时,读到的是Unicode字符集中该中文字符对应的Unicode码点(前缀"U+"和十六进制码点值组成)。
- 而Unicode字符集中将所有字符按照其码点的范围分成了多个平面,其中BMP平面的码点范围是U+0000至U+FFFF(十进制:0~65535),该平面包含了大部分常用字符。
- 常用中文字符的的码点范围是U+4E00至U+9FFF。(十进制:19968~40959)在BMP平面范围内。
- char类型(2个字节,十进制范围:0~65535),属于BMP平面范围内;
综上,中文字符的Unicode码点范围在char类型之内,因此强转时,通常不会造成数据丢失导致的读取内容错误,除非是超出了BMP范围的特殊中文字符。
所以,如果要避免错误,建议用BufferedReader的特殊读取方法readLine()进行整行读取。