❤️-Leader_TBlog

XiaoHuiHui

0%

转换流

发表于 分类于 Valine：
本文字数： 2.9k 阅读时长 ≈ 3 分钟

字符编码

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。

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f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。

字符集

字符集概念

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。

常见字符集

  • ASCII字符集：ASCII编码
  • GBK字符集：GBK编码
  • Unicode字符集
    • UTF8编码
    • UTF16编码
    • UTF32编码

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。

字符集介绍

  • ASCII字符集

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，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，共 128 字符，ASCII的扩展字符集使用 8 位（bits） 表示一个字符，共 256 字符，方便支持欧洲常用字符

  • 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，在 ASCII 里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的 “全角” 字符，而原来在 127 号以下的那些就叫 “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

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。 它最多使用 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 UTF32,最为常用 的 UTF-8 编码，UTF-8编码，可以用来表示Unicode标准中任何字符，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

  • UTF8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

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，当读取 Windows 系统中创建的文本文件时，由于 Windows 系统的默认是 GBK 编码，就会出现乱码。

1
2
3
4
5
6
7
8
public static void main(String[] args) throws Exception {
    FileReader fileReader = new FileReader("d://gbkfile.txt");
    int read;
    while ((read = fileReader.read()) != -1) {
        System.out.println((char) read); //读出的内容是乱码
    }
    fileReader.close();
}

解决乱码

  • 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。

# 构造方法

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

1
2
3
4
5
6
7
8
public static void main(String[] args) throws Exception {
    InputStreamReader isr = new InputStreamReader(new FileInputStream("d://gbkfile.txt"), "gbk");
    int read;
    while ((read = isr.read()) != -1) {
        System.out.println((char) read);
    }
    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。

# 构造方法

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

1
2
3
4
5
6
7
8
9
10
11
public static void main(String[] args) throws Exception {
    String fileName1 = "d://out.txt";
    OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream(fileName1));
    osw.write("小灰");//保存为6个字节
    osw.close();

    String fileName2 = "d://out2.txt";
    OutputStreamWriter osw2 = new OutputStreamWriter(new FileOutputStream(fileName2), "gbk");
    osw2.write("小灰");//4个字节
    osw2.close();
}
推荐文章
↓赏一个鸡腿... 要不，半个也行↓