转换流

转换流

2.1 字符编码和字符集

编码表:生活中文字和计算机中二进制的对应规则

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 。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。

  编码表:生活中文字和计算机中二进制的对应规则

字符集

• 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。

• 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-8859-1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。

2.2 编码引出的问题

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。

public class ReaderDemo {
    public static void main(String[] args) throws IOException {
        FileReader fileReader = new FileReader("E:\File_GBK.txt");
        int read;
        while ((read = fileReader.read()) != -1) {
            System.out.print((char)read);
        }
        fileReader.close();
    }
}
输出结果：
���

2.3 OutputStreamReader类

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）

继承自父类的共性成员方法：

• public void close():关闭此输出流并释放与此资源相关的任何系统资源
• void flush() 刷新此输出流并强制写出所有缓冲的输出字节
• void write(byte[] b) 将 b.length 个字节从指定的 byte 数组写入此输出流
• void write(byte[] b, int off, int len) 将指定 byte 数组中从偏移量off开始的 len个字节写入此输出流。
• abstract void write(int b) 将指定的字节写入此输出流

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：字节流出流，可以用来写转换之后的文件到字节中
  • String charsetName：指定的编码表名称，不区分大小写，可以是utf-8/UTF-8....不指定默认的就是utf-8

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名称
2. 使用OutputStreamWriter对象中的方法write，把字符转换为字节存储到缓冲区（编码）
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

代码如下

 public static void main(String[] args) throws IOException {
        write_utf_8();
        write_gbk();
    }

    private static void write_gbk() throws IOException {
        OutputStreamWriter os = new OutputStreamWriter(new FileOutputStream("D:\Test\gbk.txt"),"gbk");
        os.write("你好");
        os.flush();
        os.close();
    }

    private static void write_utf_8() throws IOException {
        OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream("D:\Test\utf-8.txt"),"utf-8");
        osw.write("你好");
        osw.flush();
        osw.close();

    }

2.3 InputStreamReader类

java.io.InputStReamder extends Reader

InputStreamReamder：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：把看不懂的转换为能看懂的）

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 charName) 创建使用指定字符集的 InputStreamReader
• 参数
  • InputStream in：字符输入流，用来读取文件中保存的字节
  • String charName：指定的编码表名称，，不区分大小写，可以是utf-8/UTF-8....不指定默认的就是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

public static void main(String[] args) throws IOException {
        reader_utf_8();
        reader_gbk();
    }

    private static void reader_gbk() throws IOException {
        InputStreamReader is = new InputStreamReader(new FileInputStream("d:\Test\gbk.txt"),"gbk");
        int len = 0;
        while ((len = is.read())!=-1){
            System.out.println((char) len);
        }
        is.close();
    }

    private static void reader_utf_8() throws IOException {
        InputStreamReader isr = new InputStreamReader(new FileInputStream("d:\Test\utf-8.txt"),"utf-8");
        int len =0;
        while ((len = isr.read())!=-1){
            System.out.println((char)len);
        }
        isr.close();
    }

2.5 练习：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。

案例实现

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();
  	}
}