一、字符流介绍
1.概述
字符流=字节流+编码表。因为字节流对于汉字之类的处理很不方便,汉字在通过任何的编码存储时,都会占用两个及以上字节,且第一个字节为负数,因此java提供了字符流来更方便的解决此类问题。(字符流只能处理文本文件)。
2. 什么是字符流
- 字符流是可以直接读写字符的IO流
- 使用字符流从文件中读取字符时, 需要先读取到字节数据, 然后转为字符.
- 使用字符流往文件写入字符时, 需要把字符转为字节再写入文件.
3.中文的字节存储方式
用字节流复制文本文件时,文本文件也会有中文,但是没有问题,原因是最终底层操作会自动进行字节拼接成中文,如何识别是中文的呢?
汉字在存储的时候,无论选择哪种编码存储,第一个字节都是负数
二、编码表
1.字符集
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,就需要进行字符编码,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、GBXXX字符集、Unicode字符集等
2.常见字符集
1)ASCII字符集
ASCII:是基于拉丁字母的一套电脑编码系统,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位表示一个字符,共128字符。ASCII的扩展字符集使用8位表示一个字符,共256字符,方便支持欧洲常用字符。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
2)GBXXX字符集
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
3)Unicode字符集
UTF-8编码:可以用来表示Unicode标准中任意字符,它是电子邮件、网页及其他存储或传送文字的应用 中,优先采用的编码。互联网工程工作小组(IETF)要求所有互联网协议都必须支持UTF-8编码。它使用一至四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(UTF-8使用三个字节表示一个汉字);其他极少使用的Unicode辅助字符,使用四字节编码
三、字符流的解码和编码
1.字符串中的解码和编码:
1)编码
byte[] getBytes() : 将String转换为字节数组;
byte[] getBytes(String charsetName) : 通过指定的字符集将String转换为字节数组;
2)解码
String( byte[] bytes) : 将指定字节数组转换为String;
String( byte[] bytes,String charsetName) : 通过指定的字符集将字节数组转换为String;
public class StringDemo {
public static void main(String[] args) throws UnsupportedEncodingException {
//定义一个字符串
String s = "数字";
//byte[] bys = s.getBytes(); //[-28, -72, -83, -27, -101, -67]
//byte[] bys = s.getBytes("UTF-8"); //[-28, -72, -83, -27, -101, -67]
byte[] bys = s.getBytes("GBK"); //[-42, -48, -71, -6]
System.out.println(Arrays.toString(bys));
//String ss = new String(bys);
//String ss = new String(bys,"UTF-8");
String ss = new String(bys,"GBK&