转化流
▶ 字符编码和字符集
计算机中存储的信息都是用二进制数表示的,但是在屏幕上看到的数字、英文、标点符号等都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 ” ,反之称为 “ 解码 ” 。比如说,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。
编码 :字符( 能看懂的 ) --> 字节( 看不懂的 )
解码 : 字节( 看不懂的 ) --> 字符( 能看懂的 )
字符编码( Character Encoding ):就是一套自然语言的字符与二进制数之间的对应规则
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。
编辑
当指定了编码,它所对应的字符集自然就指定了
✔ 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,连在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:最新的中文码表。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UTF- 32。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。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。所以, 我们开发Web应用,也要使用UTF-8编码。它使用一至四个字节为每个字符编码,编码规则:
(1)128个US-ASCII字符,只需一个字节编码。
(2)拉丁文等字符,需要二个字节编码。
(3)大部分常用字(含中文),使用三个字节编码。
(4)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时,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。
▶ 转换流原理
编辑
编辑
▶ OutputStreamWriter
java.io.OutputStreamWriter extends Writer
OutputStreamWriter :是字符流通向字节流的桥梁,可使用指定的 charset 将要写入流中的字符编码成字节(编码 :把能看懂的变成看不懂的)
✔ OutputStreamWriter 继承自父类的共性成员方法:
--- void write( int c ) :写入单个字符
--- void write( char[ ] cbuf ) :写入字符数组
--- abstract void write( char[ ] cbuf,int off,int len ) :写入字符数组的某一部分,off是数组的开始索引,len是写的字符的个数
--- void write( String str ) :写入字符串
--- void write( String str,int off,int len ) :写入字符串的某一部分,off是字符串的开始索引,len是写的字符个数
--- void flush() :刷新该流的缓冲
--- void close() :关闭此流,但要先刷新它
✔ 构造方法:
--- OutputStreamWriter( OutputStream out ) 创建使用默认字符编码的 OutputStreamWriter
--- OutputStreamWriter( OutputStream out ,String charsetName ) 创建使用指定字符集的 OutputStreamWriter
参数:
OutputStream out -- 字节输出流,可以用来写转换之后的字节到文件中
String charsetName -- 指定编码表名称,不区分大小写,可以是 utf-8 也可以是 UTF-8 等,不指定则使用默认
✔ 使用步骤:
(1)创建 OutputStreamWriter 对象,构造方法中传递字节输出流和指定的编码表名称
(2)使用 OutputStreamWriter 对象中的方法 write ,把字符转换为字节存储在缓冲区中
(3)使用 OutputStreamWriter 对象中的方法 flush ,把内存缓冲区中的字节刷新到文件中( 使用字节流写字节的过程 )
(4)释放资源
编辑
▶ InputStreamReader
java.io.InputStreamReader extends Reader
InputStreamReader :是字节流通向字符流的桥梁 ,它使用指定的 charset 读取字节并将其解码为字符(解码:把看不懂的变成能看懂的 )
✔ InputStreamReader 继承自父类的共性成员方法:
--- int read() :读取单个字符并返回
--- int read(char[ ] cbuf ) :一次读取多个字符,将字符读入数组
--- void close() :关闭该流并释放与之关联的所有资源
✔ 构造方法:
--- InputStreamReader( InputStream in ) 创建一个使用默认字符集的 InputStreamReader
--- InputStreamReader( InputStream in ,String charsetName ) 创建使用指定字符集的 InputStreamReader
参数:
InputStream in:字节输入流,用来读取文件中保存的字节
String charsetName:指定的编码表名称,不区分大小写,可以是utf-8/UTF-8,gbk/GBK,...不指定默认使用UTF-8
✔ 使用步骤 :
(1)创建InputStreamReader对象,构造方法中传递字节输入流和指定的编码表名称
(2)使用InputStreamReader对象中的方法read读取文件
(3)释放资源
✔ 注意事项:
构造方法中指定的编码表名称要和文件的编码相同,否则会发生乱码
▶ 练习:转换文件编码
要求:将GBK编码的文本文件转换为UTF-8的文本文件
指定GBK编码的转换流,读取文本文件
使用UTF-8编码的转换流,写出文本文件
分析:
(1)创建InputStreamReader对象,构造方法中传递字节输入流和指定的编码表名称GBK
(2)创建OutputStreamWriter对象,构造方法中传递字节输出流和指定的编码表名称UTF-8
(3)使用InputStreamReader对象中的方法read读取文件
(4)使用OutputStreamWriter对象中的方法write,把读取的数据写入到文件中
(5)释放资源
编辑