目录
6.3 InputStreamReader 与 OutputStreamWriter
6.1 问题引入
引入情况1：
使用FileReader 读取项目中的文本文件。由于IDEA设置中针对项目设置了UTF-8编码，当读取Windows系统中创建的文本文件时，如果Windows系统默认的是GBK编码，则读入内存中会出现乱码。
import java.io.FileReader;
import java.io.IOException;
public class Problem {
public static void main(String[] args) throws IOException {
FileReader fileReader = new FileReader("E:\\File_GBK.txt");
int data;
while ((data = fileReader.read()) != -1) {
System.out.print((char)data);
}
fileReader.close();
}
}
那么如何读取GBK编码的文件呢？
引入情况2：
针对文本文件，现在使用一个字节流进行数据的读入，希望将数据显示在控制台上。此时针对包含中文的文本数据，可能会出现乱码。
6.2 转换流的理解
作用：转换流是字节与字符间的桥梁！
具体来说：
6.3 InputStreamReader 与 OutputStreamWriter
-
InputStreamReader
-
转换流
java.io.InputStreamReader，是Reader的子类，是从字节流到字符流的桥梁。它读取字节，并使用指定的字符集将其解码为字符。它的字符集可以由名称指定，也可以接受平台的默认字符集。 -
构造器
-
InputStreamReader(InputStream in): 创建一个使用默认字符集的字符流。 -
InputStreamReader(InputStream in, String charsetName): 创建一个指定字符集的字符流。
-
-
举例
-
示例代码：
public void test1() throws IOException {
// 创建file对象
File file1 = new File("txt_utf8.txt");
//创建流对象
FileInputStream fis = new FileInputStream(file1);
InputStreamReader isr = new InputStreamReader(fis,"UTF-8");//此时使用的是IDEA默认的utf-8字符集
// 读入操作
char[] cBuffer = new char[1024];
int len;
while ((len = isr.read(cBuffer)) != -1){
String str = new String(cBuffer,0,len);
System.out.println(str);
}
//关闭资源
isr.close();
}OutputStreamWriter
-
转换流
java.io.OutputStreamWriter，是Writer的子类，是从字符流到字节流的桥梁。使用指定的字符集将字符编码为字节。它的字符集可以由名称指定，也可以接受平台的默认字符集。 -
构造器
-
OutputStreamWriter(OutputStream in): 创建一个使用默认字符集的字符流。 -
OutputStreamWriter(OutputStream in,String charsetName): 创建一个指定字符集的字符流。
-
-
举例：
6.4 练习：
将utf8格式的文件转换为gbk格式的文件存储
/**
* 需求：将utf8格式的文件转换为gbk格式的文件存储
*/
@Test
public void test2() throws IOException {
// 1、造文件
File file1 = new File("txt_utf8.txt");//写进来的文件路径对象
File file2 = new File("txt_utf8_to_gbk.txt");//读出去的文件路径对象
//2、造流
//2.1 输入流
FileInputStream fis = new FileInputStream(file1);
//参数2对应的是解码集,必须与读入文件编码集一致
InputStreamReader isr = new InputStreamReader(fis,"utf-8");
//2.2 输出流
FileOutputStream fos = new FileOutputStream(file2);
// 参数2指明内存中存储出去的编码集
OutputStreamWriter osw = new OutputStreamWriter(fos,"gbk");
//3、读写过程
char[] cBuffer = new char[1024];
int len;
while ((len = isr.read(cBuffer)) != -1){
osw.write(cBuffer,0,len);
}
System.out.println("操作完成");
//4、关闭资源
osw.close();
isr.close();
}读入文件内容为
由于IDEA默认编码为utf8，而写出存储的编码指定的编码为gbk，示例 如下
使用记事本打开文件，正常显示
6.5 字符编码和字符集
6.5.1 编码与解码
计算机中储存的信息都是用二进制数表示的，而我们在屏幕上看到的数字、英文、标点符号、汉字等字符是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 。
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
乱码的情况：按照A规则存储，同样按照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(人能看懂的)--字节(人看不懂的) 解码:字节(人看不懂的)-->字符(人能看懂的)
6.5.2 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ASCII字符集、GBK字符集、Unicode字符集等。
可见，当指定了编码，它所对应的字符集自然就指定了，所以编码才是我们最终要关心的。
-
ASCII字符集 ：
-
ASCII码（American Standard Code for Information Interchange，美国信息交换标准代码）：上个世纪60年代，美国制定了一套字符编码，对
英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码。 -
ASCII码用于显示现代英语，主要包括控制字符（回车键、退格、换行键等）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（最前面的1位统一规定为0），共
128个字符。比如：空格“SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。 -
缺点：不能表示所有字符。
-
-
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，包括荷兰语、德语、意大利语、葡萄牙语等
-
ISO-8859-1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，即向下兼容ASCII码。但两个大于127的字符连在一起时，就表示一个汉字，这样大约可以组合了包含
7000多个简体汉字，此外数学符号、罗马希腊的字母、日文的假名们都编进去了，这就是常说的"全角"字符，而原来在127号以下的那些符号就叫"半角"字符了。 -
GBK：最常用的中文码表。是在GB2312标准基础上的扩展规范，使用了
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编码为表达
任意语言的任意字符而设计，也称为统一码、标准万国码。Unicode 将世界上所有的文字用2个字节统一进行编码，为每个字符设定唯一的二进制编码，以满足跨语言、跨平台进行文本处理的要求。
-
Unicode 的缺点：这里有三个问题：
-
第一，英文字母只用一个字节表示就够了，如果用更多的字节存储是
极大的浪费。 -
第二，如何才能
区别Unicode和ASCII？计算机怎么知道两个字节表示一个符号，而不是分别表示两个符号呢？ -
第三，如果和GBK等双字节编码方式一样，用最高位是1或0表示两个字节和一个字节，就少了很多值无法用于表示字符，
不够表示所有字符。
-
-
Unicode在很长一段时间内无法推广，直到互联网的出现，为解决Unicode如何在网络上传输的问题，于是面向传输的众多 UTF（UCS Transfer Format）标准出现。具体来说，有三种编码方案，UTF-8、UTF-16和UTF-32。
-
-
UTF-8字符集：
-
Unicode是字符集，UTF-8、UTF-16、UTF-32是三种
将数字转换到程序数据的编码方案。顾名思义，UTF-8就是每次8个位传输数据，而UTF-16就是每次16个位。其中，UTF-8 是在互联网上使用最广的一种 Unicode 的实现方式。 -
互联网工程工作小组（IETF）要求所有互联网协议都必须支持UTF-8编码。所以，我们开发Web应用，也要使用UTF-8编码。UTF-8 是一种
变长的编码方式。它使用1-4个字节为每个字符编码，编码规则：-
128个US-ASCII字符，只需一个字节编码。
-
拉丁文等字符，需要二个字节编码。
-
大部分常用字（含中文），使用三个字节编码。
-
其他极少使用的Unicode辅助字符，使用四字节编码。
-
-
-
举例
Unicode符号范围 | UTF-8编码方式
- 小结
注意：在中文操作系统上，ANSI（美国国家标准学会、AMERICAN NATIONAL STANDARDS INSTITUTE: ANSI）编码即为GBK；在英文操作系统上，ANSI编码即为ISO-8859-1。
6.6 练习2
把《gbk.txt》字符编码为GBK，复制到电脑桌面目录下的《寄语.txt》， 字符编码为UTF-8。
当前文本的内容为
/**
* 需求:把《gbk.txt》字符编码为GBK，复制到电脑桌面目录下的《寄语.txt》， 字符编码为UTF-8。
*/
@Test
public void test3() throws IOException {
//1、造文件
File file1 = new File("gbk.txt");//写进来的文件路径对象
File file2 = new File("gbk_to_utf8.txt");//读出去的文件路径对象
// 2、造流
//2.1 输入流
FileInputStream fis = new FileInputStream(file1);
InputStreamReader isr = new InputStreamReader(fis,"gbk");//参数2指定输入编码为gbk
//2.2 输出流
FileOutputStream fos = new FileOutputStream(file2);
OutputStreamWriter osw = new OutputStreamWriter(fos,"utf8");// 参数2指定写入编码为utf8
// 3、读写过程
char[] cBuffer = new char[1024];//1kb
int len;
while ((len = isr.read(cBuffer)) != -1){
osw.write(cBuffer);
}
// 4、关闭资源
osw.close();
isr.close();
}
}写出文件内容为：
扫一扫
460
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
