2. 程式人生 > >第四十二講 I/O流——位元組流在操作中文資料

第四十二講 I/O流——位元組流在操作中文資料

阿新 • • 發佈：2018-11-29

本篇文章主要圍繞字元編碼展開，為了能夠更好地講述這一主題，我將從位元組流操作中文資料開始。

位元組流操作中文資料

假設編寫有如下程式，程式碼貼出如下：

package cn.liayun.readcn;

import java.io.FileOutputStream;
import java.io.IOException;

public class ReadCNDemo {

	public static void main(String[] args) throws IOException {
		writeCNText();
	}

	public static
 
 void writeCNText() throws IOException {
		FileOutputStream fos = new FileOutputStream("tempfile\\cn.txt");
		fos.write("你好".getBytes());//按照預設編碼表GBK編碼
		fos.close();
	}

}

此時執行以上程式，可以發現在cn.txt文字檔案中有”你好“兩字，並且檔案大小僅有4位元組。其原因是String類的getBytes()方法是使用平臺的預設字符集(即GBK碼錶，而在GBK碼錶裡面，一箇中文佔2個位元組)將”你好“字串編碼為了一個位元組陣列。
上面程式將”你好“兩字寫入cn.txt文字檔案之後，我們需要使用位元組流將其讀取出來，由於該文字檔案大小僅有4位元組，可使用位元組輸出流的read()方法一個位元組一個位元組地讀取出來，程式碼如下：

package cn.liayun.readcn;

import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;

public class ReadCNDemo {

	public static void main(String[] args) throws IOException {
		readCNText();
	}

	public static void readCNText() throws IOException {
		FileInputStream fis =
 
 new FileInputStream("tempfile\\cn.txt");
		
		int by = fis.read();
		System.out.println(by);
		int by2 = fis.read();
		System.out.println(by2);
		int by3 = fis.read();
		System.out.println(by3);
		int by4 = fis.read();
		System.out.println(by4);
		int by5 = fis.read();
		System.out.println(by5);
		
		fis.close();
	}
	
}

執行以上程式，可發現Eclipse控制檯列印如下，截圖如下。
在這裡插入圖片描述
上面輸出的東西是一堆數字，我們可能看不懂，而我們想要看到的是”你好“兩字，那麼問題歸納為：使用位元組輸出流讀取中文時，是按照位元組形式，但是一箇中文在GBK碼錶中是2個位元組，而且位元組輸出流的read()方法一次讀取一個位元組，如何可以獲取到一箇中文呢？解決方案就是別讀一個就操作，多讀一些存起來，再操作，存到位元組陣列中，將位元組陣列轉成字串就哦了。

package cn.liayun.readcn;

import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;

public class ReadCNDemo {

	public static void main(String[] args) throws IOException {
		readCNText();
	}

	public static void readCNText() throws IOException {
		FileInputStream fis = new FileInputStream("tempfile\\cn.txt");
		
		//讀取中文，按照位元組的形式，但是一箇中文，GBK碼錶中是兩個位元組
		//而位元組流的read方法一次讀取一個位元組，如何可以獲取到一箇中文呢？
		//別讀一個就操作，多讀一些存起來，再操作，存到位元組陣列中，將位元組陣列轉成字串就哦了
		byte[] buf = new byte[1024];
		
		int len = fis.read(buf);
		
		String s = new String(buf, 0, len);//將位元組陣列轉換成字串，而且是按照預設的編碼表(GBK)進行解碼。
		
		System.out.println(s);

		fis.close();
	}

}

須知String類的String(byte[] bytes, int offset, int length)構造方法是通過使用平臺的預設字符集(即GBK碼錶)解碼指定的byte子陣列，構造一個新的String。接下來，就要引出編碼表這一概念了。

編碼表

編碼表的由來

計算機只能識別二進位制資料，早期由來是電訊號。為了方便應用計算機，讓它可以識別各個國家的文字，就將各個國家的文字用數字來表示，並一一對應，形成一張表，這就是編碼表。

常見的編碼表

編碼表名稱 說明
ASCII 美國標準資訊交換碼，用一個位元組的7位可以表示
ISO8859-1 拉丁碼錶或歐洲碼錶，用一個位元組的8位表示
GB2312 中國的中文編碼表
GBK 中國的中文編碼表升級，融合了更多的中文文字元號
GB18030 GBK的取代版本
BIG-5 通行於臺灣、香港地區的一個繁體字編碼方案，俗稱”大五碼“
Unicode 國際標準碼，融合了多種文字，所有文字都用兩個位元組來表示，Java語言使用的就是Unicode
UTF-8 最多用三個位元組來表示一個字元。UTF-8不同，它定義了一種”區間規則“，這種規則可以和ASCII編碼保持最大程度的相容：它將Unicode編碼為00000000-0000007F的字元，用單個位元組來表示；將Unicode編碼為00000080-000007FF的字元，用兩個位元組來表示；將Unicode編碼為00000800-0000FFFF的字元，用三個位元組來表示

編碼與解碼

  • 編碼：把看得懂的變成看不懂的。即將字串變成位元組陣列(String→byte[])，代表方法為str.getBytes(charsetName)；
  • 解碼：把看不懂的變成看得懂的。即將位元組陣列變成字串(byte[]→String)，代表方法為new String(byte[], charsetName)。

關於編碼與解碼，有一個結論，即由UTF-8編碼，自然要通過UTF-8來解碼；同理，由GBK來編碼，自然也要通過GBK來解碼，否則會出現亂碼。下面我會通過若干個案例來詳述編碼與解碼。

由GBK來編碼，通過GBK來解碼

首先執行以下程式，給出程式程式碼如下：

package cn.liayun.readcn;

import java.io.IOException;
import java.util.Arrays;

public class Test {

	public static void main(String[] args) throws IOException {
		method();
	}

	public static void method() throws IOException {
		String s = "你好";
		byte[] b1 = s.getBytes("GBK");// 預設編碼方式就是GBK
		System.out.println(Arrays.toString(b1));
		String s1 = new String(b1, "GBK");// 通過GBK來解碼
		System.out.println("s1 = " + s1);
	}

}

執行以上程式，可發現Eclipse控制檯列印如下，截圖如下。
在這裡插入圖片描述
發現輸出結果並無亂碼。

由GBK來編碼，通過UTF-8來解碼

然後再執行以下程式，觀察執行後的結果，給出程式程式碼如下：

package cn.liayun.readcn;

import java.io.IOException;
import java.util.Arrays;

public class Test {

	public static void main(String[] args) throws IOException {
		method();
	}

	public static void method() throws IOException {
		String s = "你好";
		byte[] b1 = s.getBytes("GBK");// 預設編碼方式就是GBK
		System.out.println(Arrays.toString(b1));
		String s1 = new String(b1, "UTF-8");// 通過UFT-8來解碼
		System.out.println("s1 = " + s1);
	}

}

執行以上程式，可發現Eclipse控制檯列印如下，截圖如下。
在這裡插入圖片描述
發現輸出了亂碼——???。

由UTF-8來編碼，通過UTF-8來解碼

那怎麼不是像上面那樣輸出三個問號呢？method()方法的程式碼應修改為如下，即可解決亂碼問題。

package cn.liayun.readcn;

import java.io.IOException;
import java.util.Arrays;

public class Test {

	public static void main(String[] args) throws IOException {
		method();
	}

	public static void method() throws IOException {
		String s = "你好";
		byte[] b1 = s.getBytes("UTF-8");// 預設編碼方式就是UTF-8
		System.out.println(Arrays.toString(b1));
		String s1 = new String(b1, "UTF-8");// 通過UFT-8來解碼
		System.out.println("s1 = " + s1);
	}

}

再次執行以上程式，可發現Eclipse控制檯列印如下，截圖如下。
在這裡插入圖片描述

由UTF-8來編碼，通過GBK來解碼

接著再執行以下程式，觀察執行後的結果，給出程式程式碼如下：

package cn.liayun.readcn;

import java.io.IOException;
import java.util.Arrays;

public class Test {

	public static void main(String[] args) throws IOException {
		method();
	}

	public static void method() throws IOException {
		String s = "你好";
		byte[] b1 = s.getBytes("UTF-8");// 預設編碼方式就是UTF-8
		System.out.println(Arrays.toString(b1));
		String s1 = new String(b1, "GBK");// 通過GBK來解碼
		System.out.println("s1 = " + s1);
	}

}

執行以上程式，可發現Eclipse控制檯列印如下，截圖如下。
在這裡插入圖片描述
發現輸出結果出現了亂碼，至於怎麼解決我就不說了。

由GBK來編碼，再通過ISO8859-1來解碼，亂碼問題如何解決？

這裡有一種特殊的情況，先對字串“你好”進行GBK編碼，再通過ISO8859-1解碼，程式程式碼如下：

package cn.liayun.readcn;

import java.io.IOException;
import java.util.Arrays;

public class Test {

	public static void main(String[] args) throws IOException {
		method();
	}

	public static void method() throws IOException {
		String s = "你好";
		byte[] b1 = s.getBytes("GBK");// 預設編碼方式就是GBK
		System.out.println(Arrays.toString(b1));
		String s1 = new String(b1, "ISO8859-1");// 通過ISO8859-1來解碼
		System.out.println("s1 = " + s1);
	}

}

執行以上程式，輸出結果肯定會出現亂碼——???。
在這裡插入圖片描述
如果要輸出正確的字串內容，可對s1進行ISO8859-1編碼，然後再通過GBK解碼，所以method()方法的程式碼應修改為如下，即可解決亂碼問題。

package cn.liayun.readcn;

import java.io.IOException;
import java.util.Arrays;

public class Test {

	public static void main(String[] args) throws IOException {
		method();
	}

	public static void method() throws IOException {
		String s = "你好";
		byte[] b1 = s.getBytes("GBK");// 預設編碼方式就是GBK
		System.out.println(Arrays.toString(b1));
		String s1 = new String(b1, "ISO8859-1");// 通過ISO8859-1來解碼
		System.out.println("s1 = " + s1);
		
		// 對s1進行ISO8859-1編碼
		byte[] b2 = s1.getBytes("ISO8859-1");
		System.out.println(Arrays.toString(b2));
		String s2 = new String(b2, "GBK"); // 通過GBK來解碼
		System.out.println("s2 = " + s2);
	}

}

不理解以上程式碼沒關係，下面我會圖解，如下：
在這裡插入圖片描述

由GBK來編碼，再通過UTF-8來解碼，亂碼問題如何解決？

現在來思考這樣一個問題：先對字串“你好”進行GBK編碼，再通過UTF-8解碼，編寫程式碼如下：

package cn.liayun.readcn;

import java.io.IOException;
import java.util.Arrays;

public class Test {

	public static void main(String[] args) throws IOException {
		method();
	}

	public static void method() throws IOException {
		String s = "你好";
		byte[] b1 = s.getBytes("GBK");// 預設編碼方式就是GBK
		System.out.println(Arrays.toString(b1));
		String s1 = new String(b1, "UTF-8");// 通過UTF-8來解碼
		System.out.println("s1 = " + s1);
	}

}

執行以上程式，此時肯定會輸出亂碼——???。如果想要輸出正確的字串內容，可不可以對s1進行一次UTF-8編碼，然後再通過GBK解碼呢？即method()方法的程式碼應修改為如下：

package cn.liayun.readcn;

import java.io.IOException;
import java.util.Arrays;

public class Test {

	public static void main(String[] args) throws IOException {
		method();
	}

	public static void method() throws IOException {
		String s = "你好";
		byte[] b1 = s.getBytes("GBK");// 預設編碼方式就是GBK
		System.out.println(Arrays.toString(b1));
		String s1 = new String(b1, "UTF-8");// 通過UTF-8來解碼
		System.out.println("s1 = " + s1);
		
		// 對s1進行UTF-8編碼
		byte[] b2 = s1.getBytes("UTF-8");
		System.out.println(Arrays.toString(b2));
		String s2 = new String(b2, "GBK"); // 通過GBK來解碼
		System.out.println("s2 = " + s2);
	}

}

答案是不可以。如若不信，讀者不妨試著呼叫以上方法，可以看到Eclipse控制檯列印如下，給出截圖。
在這裡插入圖片描述
發現依然輸出亂碼——錕斤拷錕?，其原因又是什麼呢？不妨畫張圖來解釋一下。
在這裡插入圖片描述

相關推薦

第四十二講 I/O流——位元組流在操作中文資料

本篇文章主要圍繞字元編碼展開，為了能夠更好地講述這一主題，我將從位元組流操作中文資料開始。 位元組流操作中文資料 假設編寫有如下程式，程式碼貼出如下： package cn.liayun.readcn; import java.io.FileOutputStream; im

第四十六講 I/O流——Properties集合

Properties概述 Properties是HashTable的子類，也就是說它具備Map集合的特點；而且它裡面儲存的鍵值對都是字串，沒有泛型定義；最後它是一個可以和IO流相結合使用的屬性集合類。 Properties常用操作方法 Properties基本的存和取

第四十一講 I/O流——位元組流

位元組流的基本操作與字元流類同，但它不僅可以操作字元，還可以操作其他媒體檔案。這裡，我列出比較常用的位元組流，如下： FileInputStream FileOutputStream BufferedInputStream BufferedOutputStr

第四十七講 I/O流——常用IO流(列印流、合併流、序列流、隨機訪問流以及管道流)

列印流 列印流即輸出流，分為位元組列印流PrintStream和字元列印流PrintWriter。下面分別對它們進行介紹。 位元組列印流 概述 PrintStream為其他輸出流添加了功能，使它們能夠方便地列印各種資料值表示形式。它還提供其他兩項功能。與其他輸出流不同，P

第四十八講 I/O流——常用IO流(資料流和記憶體操作流)

資料流 資料流是操作基本資料型別的流，分為資料輸入流和資料輸出流。下面分別來對它們進行介紹。 資料輸入流 概述 資料輸入流DataInputStream允許應用程式以與機器無關方式從底層輸入流中讀取基本Java資料型別。應用程式可以使用資料輸出流寫入稍後由資料輸入流讀取的

Scala入門到精通——第十二節 I/O與正則表示式

本節主要內容 Scala I/O操作簡介 Scala 寫檔案 Scala 讀檔案 Scala 網路I/O 正則表示式簡介 Scala正則表示式實戰 1. Scala I/O操作簡介 I/O操作是一門程式語言中的重要內容，在Scala中，它更多的是呼

AGG第四十二課 Blitting an image over another with transparency

agg blitting an image over another with transparency問題：I‘ve managed to blit a loaded image onto another through the method "copy_from(...)" of renderer_b

愛創課堂每日一題第四十二天- 你知道多少種Doctype文檔類型？

前端 前端學習 前端入門該標簽可聲明三種 DTD 類型，分別表示嚴格版本、過渡版本以及基於框架的 HTML 文檔。 HTML 4.01 規定了三種文檔類型：Strict、Transitional 以及 Frameset。 XHTML 1.0 規定了三種 XML 文檔類型：Strict、Transitio

第四十二篇 Numpy的基本操作——索引相關

發生 max .com alt png 原來 轉化 img nbsp No.1. 使用np.argmin和np.argmax來獲取向量元素中最小值和最大值的索引 No.2. 使用np.random.shuffle將向量中的元素順序打亂，操作後，原向量發生改變；使用

名詞解釋第七十二講：軟分叉

這裡是王團長區塊鏈學院，與最優秀的區塊鏈人一起成長！今天給大家講講軟分叉。   區塊鏈上節點眾多，當出現新版軟體後，不一定所有的節點都願意升級，也不一定所有的節點都能馬上反應過來。節點面對新版軟體反應的不同，造成的分叉結果也不同。   根據升級後的區塊鏈是否能相容

C++筆記 第四十二課 型別轉換函式（下）類型別---其他型別---狄泰學院

如果在閱讀過程中發現有錯誤，望評論指正，希望大家一起學習，一起進步。 學習C++編譯環境：Linux 第四十二課 型別轉換函式（下）類型別—>其他型別 1.問題 類型別是否能夠型別轉換到普通型別？用編譯器測試—可以，引入新的語法規則 2.型別轉換函式 C++類中

5.2 SpringBoot實現斷點續傳功能 > 我的程式猿之路：第四十二章

  功能使用webuploader元件分片下載檔案 文件地址： http://fex.baidu.com/webuploader/document.html 從  http://fex.baidu.com/webuploader/download.html中下載 用到的是：

第三十二講 集合框架——Set介面

Set介面概述 Set集合不允許儲存重複元素，而且不保證元素是有序的(存入和取出的順序有可能一致[有序]，也有可能不一致[無序])。通過檢視JDK文件，發現Set集合的功能和Collection的是一致的，所以Set集合取出的方法只要一個，那就是迭代器。 Set介面的常用子類

第四十九講 GUI(圖形使用者介面)

GUI的簡單概述 Graphical User Interface(圖形使用者介面)，用圖形的方式，來顯示計算機操作的介面，這樣更方便更直觀。與之相對應的Command line User Interface (命令列使用者介面），就是常見的Dos命令列操作，需要記憶一些常用的命令，

第四十二章：MD5加密技術

MD5加密技術 MD5是雜湊演算法中的一種，加密強度較為適中。雜湊演算法有下面幾個特點： ①不可逆，即使在已知加密過程的前提下，無法從密文反推回明文。 ②輸出資料的長度固定。例如：MD5加密輸出資料的長度固定就是32個字元。 ③輸入資料不變，輸出資料不變；輸入資料變，輸出資料都會跟著變。

“全棧2019”Java第四十二章：靜態程式碼塊與初始化順序

難度 初級 學習時間 10分鐘 適合人群 零基礎 開發語言 Java 開發環境 JDK v11 IntelliJ IDEA v2018.3 文章原文連結 “全棧2019”Java第四十二章：靜態程式碼塊與初始化順序 下一章 “全棧2019”Java第四十三章：封裝 學

Scrum立會報告+燃盡圖（十二月十一日總第四十二次）：貢獻分配和收集使用者報告

此作業要求參見：https://edu.cnblogs.com/campus/nenu/2018fall/homework/2484 專案地址：https://git.coding.net/zhangjy982/QuJianBang.git Scrum立會master：楊金銘 一、小組介紹 組長：付佳

hihor 學習日記：hiho一下 第四十二週 （快速冪+狀壓）

http://hihocoder.com/contest/hiho42/problems 題意： 求一個3xN的矩形有1x2的骨牌覆蓋有多少種方法 思路: 咋一看有點像輪廓線dp，但是因為N的範圍太大，若果使用O(n)的演算法會超時，所以可以觀察矩形， 與輪廓線類似，假設使用

第四十二篇：Adboost訓練識別的經典的博文集（正負樣本、積分圖、分類器級聯）

【1】基礎學習筆記之opencv(1)：opencv中facedetect例子淺析 http://www.cnblogs.com/tornadomeet/archive/2012/03/22/2411318.html 【2】OpenCV學習筆記（二十七）——基於級聯分類

名詞解釋第四十六講：時間複利

這裡是王團長區塊鏈學院，與最優秀的區塊鏈人一起成長！今天給大家講講時間複利。 複利就是俗稱的“利滾利”，即利息除了會根據本金計算外,新得到的利息同樣可以生息。時間複利加了時間兩字，是指用時間做為槓桿，讓複利的增長更加驚人。時間越長，投資的複利效應越驚人。