一、字符编码和字符集

1、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

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。

字符编码 Character Encoding : 就是一套自然语言的字符二进制数之间的对应规则。

在计算机中,所有的数据在存储和运算时都要使用二进制数表示(因为计算机用高电平和低电平分别表示1和0),例如,像a、b、c、d这样的52个字母(包括大写)以及0、1等数字还有一些常用的符号(例如*、#、@等)在计算机中存储时也要使用二进制数来表示,而具体用哪些二进制数字表示哪个符号,当然每个人都可以约定自己的一套(这就叫编码),而大家如果要想互相通信而不造成混乱,那么大家就必须使用相同的编码规则,于是美国有关的标准化组织就出台了ASCII编码,统一规定了上述常用符号用哪些二进制数来表示  。

2、字符集

二进制数↔十进制数↔字符编码↔字符(文字、符号、数字)

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。

可见,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。

1)、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。

Bin
(二进制)
Oct
(八进制)
Dec
(十进制)
Hex
(十六进制)
缩写/字符
解释
0000 0000
00
0
0x00
NUL(null)
空字符
0000 0001
01
1
0x01
SOH(start of headline)
标题开始
0000 0010
02
2
0x02
STX (start of text)
正文开始
0000 0011
03
3
0x03
ETX (end of text)
正文结束
...
... ... ... ... ...
0111 1010
0172
122
0x7A
z
小写字母z
0111 1011
0173
123
0x7B
{
开花括号
0111 1100
0174
124
0x7C
|
垂线
0111 1101
0175
125
0x7D
}
闭花括号
0111 1110
0176
126
0x7E
~
波浪号
0111 1111
0177
127
0x7F
DEL (delete)
删除

2)、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。

3)、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。

4)、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。

二、为什么要使用转换流?

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。

如果要读取GBK编码的文本文件,那么就需要使用转换流

public static void main(String[] args) throws IOException {
        FileReader fileReader = new FileReader("C:\\Users\\miracle\\Desktop\\c.txt");
        int read;
        while ((read = fileReader.read()) != -1 ) {
            System.out.print((char)read);
        }
        fileReader.close();
    }

注意:现在创建txt文件都是UTF-8编码。为了进行演示,可以将txt文件另存为ANSI格式的文件,在简体中文Windows操作系统中,ANSI 编码代表 GB2312编码;

结果如下:

���

那么如何读取GBK编码的文件呢?

public static void main(String[] args) throws IOException {
        InputStreamReader fileReader = new InputStreamReader(new FileInputStream("C:\\Users\\miracle\\Desktop\\c.txt"), "GBK");
        int read;
        while ((read = fileReader.read()) != -1 ) {
            System.out.print((char)read);
        }
        fileReader.close();
    }

结果如下:

你好

三、InputStreamReader类

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。

1、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。

构造举例,代码如下:

InputStreamReader isr = new InputStreamReader(new FileInputStream("in.txt"));
InputStreamReader isr2 new InputStreamReader(new FileInputStream("in.txt") , "GBK");

指定编码读取

public class ReaderDemo2 {
    public static void main(String[] args) throws IOException {
       // 定义文件路径,文件为gbk编码  
        String FileName = "E:\\file_gbk.txt";
       // 创建流对象,默认UTF8编码  
        InputStreamReader isr = new InputStreamReader(new FileInputStream(FileName));
       // 创建流对象,指定GBK编码  
        InputStreamReader isr2 = new InputStreamReader(new FileInputStream(FileName) , "GBK");
// 定义变量,保存字符        
        int read;
       // 使用默认编码字符流读取,乱码  
        while ((read = isr.read()) != ‐1) {
            System.out.print((char)read); // ��Һ�
        }
        isr.close();
     
       // 使用指定编码字符流读取,正常解析  
        while ((read = isr2.read()) != ‐1) {
            System.out.print((char)read);// 大家好
        }
        isr2.close();
    }
}

四、OutputStreamWriter类

转换流 java.io.OutputStreamWriter ,是Writer的子类,是从字符流到字节流的桥梁。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。

构造举例,代码如下:

OutputStreamWriter isr = new OutputStreamWriter(new FileOutputStream("out.txt"));
OutputStreamWriter isr2 new OutputStreamWriter(new FileOutputStream("out.txt") , "GBK");

指定编码写出

public class OutputDemo {
    public static void main(String[] args) throws IOException {
       // 定义文件路径  
        String FileName = "E:\\out.txt";
       // 创建流对象,默认UTF8编码  
        OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream(FileName));
        // 写出数据
        osw.write("你好"); // 保存为6个字节  
        osw.close();
       
        // 定义文件路径        
        String FileName2 = "E:\\out2.txt";        
      // 创建流对象,指定GBK编码   
        OutputStreamWriter osw2 = new OutputStreamWriter(new FileOutputStream(FileName2),"GBK");
        // 写出数据
        osw2.write("你好");// 保存为4个字节  
        osw2.close();
    }
}

转换流理解图解

五、转换文件编码

将GBK编码的文本文件,转换为UTF-8编码的文本文件。

案例分析

1)、指定GBK编码的转换流,读取文本文件。

2)、使用UTF-8编码的转换流,写出文本文件。

public class TransDemo {
   public static void main(String[] args) {     
     // 1.定义文件路径    
      String srcFile = "file_gbk.txt";   
        String destFile "file_utf8.txt";
    // 2.创建流对象        
     // 2.1 转换输入流,指定GBK编码    
        InputStreamReader isr = new InputStreamReader(new FileInputStream(srcFile) , "GBK");
     // 2.2 转换输出流,默认utf8编码    
        OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream(destFile));
    // 3.读写数据        
     // 3.1 定义数组    
        char[] cbuf = new char[1024];
     // 3.2 定义长度    
        int len;
     // 3.3 循环读取    
        while ((len = isr.read(cbuf))!=‐1) {
            // 循环写出
           osw.write(cbuf,0,len);  
        }
     // 4.释放资源    
        osw.close();
        isr.close();
   }  
}

六、使用转换流读取txt文件的内容

将读取的每行数据append到StringBuffer中。

public class TxtAnalysisTest {
    public static void main(String[] args) throws IOException {
        String lineTxt_cr = null;//行读字符串
        String encoding="GBK";
        File file = new File("C:\\Users\\miracle\\Desktop\\a.txt");
        if(file.isFile() && file.exists()) { //判断文件是否存在
            InputStreamReader read = new InputStreamReader(new FileInputStream(file), encoding);//考虑到编码格式
            BufferedReader bufferedReader = new BufferedReader(read); // 字符缓冲输入流
            StringBuffer xpStr = new StringBuffer(); //文件文本字符串
            while((lineTxt_cr = bufferedReader.readLine()) != null){
            //处理字符串lineTxt_cr
                xpStr.append(lineTxt_cr);
            }
            // 释放资源
            bufferedReader.close();
       read.close(); System.
out.println(xpStr); } } }

 

posted on 2022-01-04 12:09  周文豪  阅读(1091)  评论(0编辑  收藏  举报