Android阅读器相关资料（下-txt）

上回说到pdf阅读应用的相关东西，这次说的是纯文本阅读器。

纯文本阅读器，啊~，这个咋听起来很简单吗，看纯文本还不简单，但是要实现现在市场上那些个兼容大部分编码，支持大文件，带翻页效果的阅读器还是很不容易的。

首先，文件大小问题，面对一个小文件，1M以下，把文本直接读入内存什么问题也没有，但是一个大文件问题就来了，面对一个上M甚至几十M的文本，一次加载到内存中的话，打开的时候会巨慢无比，并且太大了内存也装不下，oom是肯定的。所以应该使用RandomAccessFile，这个支持随机文件读取，可以前后移动文件指针来读取特定位置的字节。

纯文本听起来简单，但是涉及到编码问题，那就麻烦至极。一个文件可能是以gbk，utf8，ascii，utf16 le，utf 16 be，big5等等（只考虑中文编码）。首先要知道文件的编码，这样才可以在java里面根据相应的编码转成String类型（java中String是UTF8编码的），不然就可能是乱码。而且这里还设计到分页的问题，不同的编码的每个字的编码长度是不一样的，比如gbk中文编码是2个字节，但是ascii码部分是一个字节，utf8的ascii码部分是1个字节，中文字符是3个字节，这样在分页的时候，（由于我们是一个字节一个字节读的），很有可能将文件指针搞到一个字符的全部字节的中间处，这样就产生了乱码，而且utf16还分big endian和little endian，字节序的问题，总之各种麻烦。

为了防止出现解析到字符编码中间的问题，为了照顾大部分编码，我采用了回车换行断句法，就是找到一个字符序列中的回车换行，因为回车换行相对固定且容易一些，而且换行的出现频率很大（对于一行文字达到1024个字，大概2K到3K个字节，这样的相对较少，可以忽略）。对于换行也有三种，分别是Windows下的\n，Linux下的\r\n，Mac下的\r。针对这三种情况，在一段字节序列中找到出现换行符的时候，表示一句话结束，所以这句话肯定是完整的，转换成String是没问题。这里主要针对的是相对比较广泛的gbk，utf8，utf16等做了判断，gbk和utf8的换行符都是一个字符占用一个字节，所以可以归为一类，另一个utf16，是2个字节作为一个字符的，而且还分big endian和little endian，区别是big endian是正的字节序，而little endian是反的字节序。比如\n在big endian中是0x00 0x0a，而在little endian中是0x0a 0x00。

那么还有一个原始的问题，怎么知道一个文本是用什么编码的呢？这是一个大问题，对于Unicode类的编码，有的是有BOM的，byte order mark，字节序，可以较为准确的辨识具体是Unicode里的那种编码，这个检测编码是个复杂的东西，我找来了几个开源的库实现，cpDetector，http://sourceforge.net/projects/cpdetector/，其实检测都是基于统计学规律的，有个概率，不是完全准确，这个库我测试了一些文件也有检测错误的时候，特别是对于没有bom的utf16文件。总的来说，这个库检测编码的时候有个顺序，先检测是否是ascii，然后看bom，然后基于统计。这个目前来说最准确的了，但是加上扩展的几个包，有点大，2m左右。

结合前面的RandomAccessFile。往后找换行还相对好弄一点，往前找空行相对麻烦了一些，但是原理都是一样的。

这样取出来一段供人类阅读的字符串后，怎么绘制到屏幕上去呢，以为要加翻书的那种翻页效果，所以要用canvas的绘制，（这些日子没少和canvas接触，感觉还是很有意思的，对Android的绘图机制也更加了解一点了）。我觉的翻页效果这事，纯属是数学问题，我拿来个笔记本在那模拟翻书的效果，怎么折叠移动，坐标点怎么变化，怎么旋转，怎么算一些点，怎么切割，算的很恶心。

对于前面得到的字符串，先要得知一行可以绘制多少个字，一共可以绘制多少行，这是一个问题，由于中文英文字符宽度是不一样的，所以不能拿字符个数作为换行标准，paint类提供了一个方法，breakText，这个可以得出大体真实的根据宽度和paint的字号大小来一行显示的字数。（貌似也不是100%好用）
绘图方面，这里主要是涉及到Canvas画图，Matrix矩阵变换（幸好之前做图片查看器的是好弄懂了），Clip裁剪，Scroller等。由于电脑图形中的坐标系和数学中学的坐标系有点差别，所以这个也要注意。然后为了逼真，还要加一些阴影，背部投影之类的。主要流程是，处理手势，计算坐标点，裁剪，旋转，更新重绘，自动翻过去。

这里细节还很多，有的可以参看后面的连接，有的就是要真正做才能感受到，总之一步一步自己来还是可以通过自己努力做的出来的。

一些有用的连接：
Java的中文处理学习笔记：Hello Unicode，
区分一个包含汉字的字符串是 UTF-8 还是 GBK，
Unicode详解，
Byte order mark，
UTF-8 GBK UTF8 GB2312 之间的区别和关系，

变换矩阵，
基本几何变换，
对Canvas和Matrix的理解(2)，
透彻说明反正切atan2函数比反正切atan函数的区别，
Java Math 类中的新功能（二）: 浮点数，
在Android手机上实现阅读器的翻页效果，
Android 实现书籍翻页效果----原理篇，
Android 实现书籍翻页效果----完结篇，
Bézier curve，
View的刷新机制