转换流字符编码和字符集

最新推荐文章于 2024-08-07 13:37:53 发布

心铁

最新推荐文章于 2024-08-07 13:37:53 发布

阅读量197

点赞数

文章标签： java eclipse intellij-idea

本文链接：https://blog.csdn.net/weixin_44231840/article/details/119549712

版权

转换流

1.1字符编码和字符集

字符编码

计算机存储的信息都是由二进制数表示的，而我们在屏幕上看到的数字、英文、标点符号、汉字等字符都是由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，同意按照A规则解析，那么就能显示正确的文本符号。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。

编码：字符(能看懂的)–字节(看不懂的)

解码：字节(看不懂的)–字符(能看懂的)

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。
编码表：生活中文字和计算机中二进制的对应规则

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，包括各个国家文字、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ASCll字符集、GBK字符集、Unicode字符集等

在这里插入图片描述

可见，当指定了编码，它所对应的字符集自然就指定了，所以编码才是我们要最终关心的。

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。它主要用于显示现代英语，而其扩展版本EASCII则可以勉强显示其他西欧语言。它是现今最通用的单字节编码系统（但是有被Unicode追上的迹象），并等同于国际标准ISO/IEC 646。主要包括控制字符（回车、退格、换行符）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个字符。ASCII的扩展使用8位(bits)表示一个字符，共256字符，方便支持欧洲常用字符

在这里插入图片描述

图1 ASCII编码表

在这里插入图片描述

图2 扩展ASCII编码表

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-5559-1使用单字节编码，兼容ASCII编码。
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，但俩个大于127的字符连接在一起，就表示一个汉字，这样大约可以组成包含7000多个简体汉字，此外数学符号、罗马希腊的字母、日文假名们都编进去了，连在ASCII里本来就有的数字、标点、字母都统统重新编了俩个字节长的编码，这就是常说的“全角字符”，而原来在127号以下的那些就叫做半角字符。
- GBK:最常用的中文码表。是在GB2312标准基础上拓展规范、使用双字节编码方案，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。
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。
- 它使用最多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UTF-32。最常用的UTF-8编码
- UTF-8编码，可以用来表示Unicode标准中的任何字符，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必须支持UTF-8编码，所以当我们开发Web应用，也要使用UTF-8编码，它使用1-4个字节为每个字符编码，编码规则：
  1. 128个US-ASCII字符，只需要一个字节编码
  2. 拉丁文等字符，需要俩个字节编码
  3. 大部分常用字（含中文）使用三个字节编码
  4. 其他极少使用Unicode辅助字符，使用四字节编码
编码引出的问题：

在IDEA中使用FileReader，读取项目中的文本文件，由于IDEA的设置，都是默认的UTF-8编码，所以没有任何问题，但是，在读取Windows系统中创建的文件时，由于Windows系统默认的是GBK编码，就会出现乱码。为了解决这一问题推出InputStreamReader

1.2 InputStreamReader类

InputStreamReader是从字节流到字符流的桥：它读取字节，并使用指定的charset将其解码为字符。它使用的字符集可以由名称指定，也可以被明确指定，或者可以接受平台的默认字符集。每个调用InputStreamReader的read（）方法之一可能会导致从底层字节输入流读取一个或多个字节。为了使字节有效地转换为字符，可以从底层流读取比满足当前读取操作所需的更多字节。

构造方法：

InputStreamReader(InputStream in) //创建一个使用默认字符集的InputStreamReader。  
InputStreamReader(InputStream in, Charset cs) //创建一个使用给定字符集的InputStreamReader。  
InputStreamReader(InputStream in, CharsetDecoder dec) //创建一个使用给定字符集解码器的InputStreamReader。  
InputStreamReader(InputStream in, String charsetName) //创建一个使用命名字符集的InputStreamReader。

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，可以是utf-8/UTF-8，gbk/GBK，。。。不指定默认使用UTF-8

使用步骤

创建一个InputStreamReader对象，构造方法中传递字节输入流和指定的编码表名称
使用InputStreamReader对象的方法read读取文件
释放资源

注意事项

构造方法中指定的编码表名称要和文件的编码相同，否则会发生乱码

1.3 OutputStreamWriter类

OutputStreamWriter是字符流通向字节流的桥梁，可使用指定的charset将要写入的字符编码成字节。它使用的字符集可以由名称指定或显示给定，否则将接受平台默认的字符集。每次调用write（）方法都会使编码转换器在给定字符上被调用。所得到的字节在写入底层输出流之前累积在缓冲区中。可以指定此缓冲区的大小，但是默认情况下它大部分用于大多数目的。请注意，传递给write（）方法的字符不会缓冲

构造方法：

 OutputStreamWriter(OutputStream out)//创建一个使用默认字符编码的OutputStreamWriter。
 OutputStreamWriter(OutputStream out, Charset cs)// 创建一个使用给定字符集的OutputStreamWriter。
 OutputStreamWriter(OutputStream out, CharsetEncoder enc)//创建一个使用给定字符集编码器的OutputStreamWriter。
 OutputStreamWriter(OutputStream out, String charsetName)// 创建一个使用命名字符集的OutputStreamWriter。