Java学习-IO流-字符集

Java学习-IO流-字符集

FileInputStream fis = new FileInputStream("...\\xx.txt");
int b;
while((b=fis.read())!=-1){sout((char)b);}//→ 乱码
fis.close();

分析原因：
计算机中任意数据以二进制形式存储
最小的存储单元：字节
英文：一个字节

ASCII：英文
GBK：英文\中文
Unicode：英文\中文

ASCII字符集

0~127共128个字符，每个字符占用一个字节
‘a’ → 97 → 110 0001 → 0110 0001
0110 0001 → 97 → ‘a’

GB2312

1.GB2312字符集：1980年发布，收录7445个图形字符，包括6763个简体汉字
2.BIG5字符集：台湾地区繁体中文标准字符集，收录13053个中文字符
3.GBK字符集：收录21003个汉字，包含GB12000-1中的全部中日韩汉字和BIG5中所有汉字
Windows系统默认使用GBK，系统显示ANSI
4.Unicode字符集：国际标准字符集

GBK存储

英文：‘a’ → 97 → 110 0001 → 0110 0001
汉字：‘汉’ → 47802 → 10111010 10111010

规则1：汉字使用两个字节存储
规则2：英文一个字节存储，兼容ASCII，二进制前补0；汉字高位字节二进制一定以1开头，转成十进制是一个负数

例：10111010 10111010 01100001 中有几个汉字几个英文
答：第一个字节 10111010 以1开头，前两个字节是汉字，第三个字节 01100001 以0开头，是英文，共1个汉字1个英文：汉a

例：01100001 01100010 01100011
答：3个英文：abc

例：10110000 10101110 11001110 11010010 11010110 11010000 10111011 10101010
答：4个汉字：爱我中华

总结
1.计算机中数据以二进制形式存储
2.最小存储单元是字节
3.ASCII字符集中一个英文占一个字节
4.简体Windows默认使用GBK字符集
5.GBK字符集完全兼容ASCII字符集，一个英文占一个字节，二进制第一位都是0；一个汉字占两个字节，二进制高位字节第一位都是1

Unicode字符集

UTF-8：加粗：固定格式，x：Unicode码填补
英文：一个字节，0xxxxxxx
汉字：三个字节，1110xxxx 10xxxxxx 10xxxxxx
‘a’ → 97 → 1100001 → 01100001
‘汉’ → 27721 → 01101100 01001001 → 11100110 10110001 10001001

UTF-8是字符集吗？
不是字符集，而是Unicode字符集的一种编码方式

例：01001010 01100001 01110110 01100001
答：4个英文：Java

例：01100001 01101001 11100100 10111101 10100000 11100101 10010011 10011111
答：2个英文2个汉字：ai你呦

总结
1.Unicode字符集的UTF-8编码格式，一个英文占一个字节，二进制第一位是0；一个汉字占三个字节，二进制第一位是1

为什么会有乱码？

原因1.读取数据时未读完整个汉字
原因2.编码和解码方式不一致

如何不产生乱码？
1.不要用字节流读取文本文件
2.编码解码使用同一个码表，同一个编码方式

编码和解码的代码实现

public byte[] getBytes()：使用默认方式解码
public byte[] getBytes(String charsetName)：使用指定方式编码
String(byte[] bytes)：使用默认方式解码
String(byte[] bytes,String charsetName)：使用指定方式解码

String str1 = "IO流";
byte[] bytes1 = str1.getBytes();
sout(Arrays.toString(bytes1));//→ [73,79,-26,-75,-127]

String str2 = "IO流";
byte[] bytes2 = str2.getBytes(GBK);
sout(Arrays.toString(bytes2));//→ [73,79,-63,-9]

String str3 = new String(bytes1);
sout(str3);//→ IO流

String str4 = new String(bytes2,"GBK");
sout(str4);//→ IO流

String str5 = new String(bytes1,"GBK");
sout(str5);//→ IO娴？