java中IO及中文亂碼問題

標籤：read   output   設計   構造   內容   匿名   images   自己的   存放裝置   

第一次發這種部落格，所以一直在糾結怎麼開頭，乾脆直奔主題吧，把自己的一些總結體會記錄下來，先從簡單的學習開始，希望可以慢慢堅持，以後的內容可以寫的更好更有意義。

其實真正在工作中中文亂碼的問題遇到的不多，那是因為公司為了開發方便所以檔案都統一編碼了。但是我覺得還有很有必要去稍微瞭解一下其原理的。

IO就是輸入輸出資料流，用物件導向來理解的話，就是輸入，輸出資料流對象，主要用來操作檔案對象。所以再稍微談談檔案的概念，即File對象。在Java中，File不是我們平時生活中指的某個具體檔案，而是某個路徑對象，比如說 File file=new File("D:\\aaa"); 這就是一個File對象，也許它表示的是一個檔案夾，也許這個路徑都不存在，但是這句代碼就的的確確建立了一個表示該路徑的File對象。這種寫法只是不常用罷了。因為我們平時可能更多的是操作一個文本，圖片等等，如File f=new File("aaa.txt");

上面簡單說了IO,File是什麼，接下來再談談這些圖片，文字，視頻等資訊是如何儲存在我們存放裝置上的。個人理解是不管是什麼類型的檔案，都是二進位的形式儲存，最小單位是1個byte，即8位01組成。所以說我們假如要拷貝一個檔案，只要操作位元組流就好了，即把一個檔案中的所有位元組拿到，寫到另一個檔案中就OK了，其實理論上是可以的，但是對於字元型的檔案比較特殊。這也就是為什麼會有中文亂碼的問題出現。ASCII碼錶大家都很熟悉，起碼都聽說過，它應該算是很早出現的一種碼錶了吧，起初只是用來表示26個英文字母和一些特殊符號(因為電腦只識別二進位，所以要把字元用相應的位元組來代替，形成一張碼錶)。但是隨著電腦的發展，ASCII應該不夠用了吧，而且很多國家應該也都有自己的一套編碼方案，所以就出現了不同的編碼錶。常見的有GBK,UTF-8，而jvm中預設使用的是unicode編碼，即以2個位元組表示一個漢字，UTF-8則不一定，可能3個位元組表示一個漢字，也可能更多。所以就出現了一個問題，同一個漢字在不同的碼錶中對應的位元組碼的個數和內容都不相同。所以如何解決？

我們從A磁碟上拷貝一張圖片到B磁碟上，只要把A的所有位元組拿到B就可以了。但是同樣的方式操作一個文本其實也是可以的，前提是A和B中的文本編碼要相同。因為圖片不存在位元組編碼的問題。但是我要從網路上或者伺服器去傳輸中文怎麼辦呢，肯定不能單單通過位元組來實現了(因為我們不可能遇到問題就手動去變更檔的編碼方式吧)。所以java中提供了字元流對象，即在位元組流的基礎上加上對編碼的設定，達到解決亂碼的問題。

廢話不多說，用幾個小案例來說明一下：

1，首先在當前項目下建立aa.txt,bb.txt。隨便在aa中寫幾個中文字元。會發現這兩種方式都可以實現

a，採用字元流

FileReader fr=new FileReader("aa.txt");
FileWriter fw=new FileWriter("bb.txt");
  int c;
  while((c=fr.read())!=-1){
   fw.write(c);
  }
  fr.close();
  fw.close();

b，採用位元組流

FileInputStream fis=new FileInputStream("aa.txt");
FileOutputStream fos=new FileOutputStream("bb.txt");
  int b;
  while((b=fis.read())!=-1){
   fos.write(b);
  }
  fis.close();
  fos.close();

2,此時假如aa的編碼方式是UTF-8的話，那麼我們把bb的編碼改為GBK看看，同樣運行上面兩種方法，全部亂碼。

原因就是由於兩個檔案的編碼方式不同，導致中文查的碼錶不同，所以亂碼。

3，所以當兩邊檔案的編碼方式不同，我們可以在讀取和寫入的時候都指定與其檔案對應的編碼即可。

實現方式如下：

InputStreamReader isr=new InputStreamReader(new FileInputStream("aa.txt"),"utf-8");
OutputStreamWriter osw=new OutputStreamWriter(new FileOutputStream("bb.txt"),"gbk");
  char[] arr=new char[1024];
  int len;
  while((len=isr.read(arr))!=-1){
   String s=new String(arr,0,len);
   System.out.println(s);
   osw.write(s);
  }
  isr.close();
  osw.close();

代碼雖然很簡單，還是簡單的解釋一下，從API中可以發現InputStreamReader和OutputStreamWriter都是操作字元的對象，繼續Reader和Writer。

主要用來把位元組轉成字元，字元轉成位元組。所以從構造中也可以發現，傳入的是位元組流對象。以utf-8去讀取位元組流轉成字元，再將字元以gbk編碼轉成位元組寫入。

下面幾行就不做解釋了，都是基礎裡面的方法。構造中傳入的是匿名內部類對象，還有裝飾設計模式，這種寫法簡單瞭解下即可。

關於位元組流和字元流其實還有很多很好用的類，比如BufferedInputStream,BufferedReader等等，再次不做贅述。

關於jvm和系統平台的編碼問題，在次不做解釋。

可以用String來嘗試一下，觀察字串在編譯和運行時的位元組碼及編碼問題。

 

java中IO及中文亂碼問題