0%

转换流

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();
}
↓赏一个鸡腿... 要不,半个也行↓