到家已经10点30了,晚饭还没吃呢,更纠结的是今天还要不要写点东西呢,最近在倒逼自己养成一些记录的习惯,不能半途而废,争取写一点吧。
上回我们正式进入了 Java 的编码世界,先后了解了 Java 的内码和外码。
内码是语言内部使用的字符编码,特别是某种语言实现其 char 或 String 类型在内存里用的内部编码。
一般来说,内码对用户是无感知的,怎么理解“无感知”,例如 String.getBytes()是一个用于将 String 的内码转换为指定的外码的方法,当外码是 UTF-8 时,那么调用了 String.getBytes() 之后得到的 byte[] 只能表明该外码的性质,而无法碰触到 String 内码的任何特质。
外码相对内码而言,不是char或String在内存里用的内部编码的地方都可以认为是“外码”。编码的地方都在字符到字节或者字节到字符的转换上,主要有两大类场景:内存编码,在 Java 中主要通过 String 来完成;另一类是 I/O,也就是今天我们要介绍的主角。
内存编码
Java 内存中进行字符到字节或字节到字符的转换主要由 String 来承载,因此String 提供字节到字符转换的方法,也支持字符到字节的转换。
I/O 编码
I/O 问题是任何编程语言都无法回避的问题,可以说 I/O 问题是整个人机交互的核心问题,因为 I/O 是机器获取和交换信息的主要渠道。Java 的 I/O 操作类在包 java.io 下,大概有将近 80 个类,从传输的数据格式上可以分为两组:
基于字节操作的 I/O 接口:InputStream 和 OutputStream
基于字符操作的 I/O 接口:Writer 和 Reader
从传输数据的方式上也可以分成两组:
基于磁盘操作的 I/O 接口:File
基于网络操作的 I/O 接口:Socket
基于字节的 I/O 操作接口
基于字节的 I/O 操作接口输入和输出分别是:InputStream 和 OutputStream。
输入/输出流根据数据类型和操作方式又被划分成若干个子类,每个子类分别处理不同操作类型。输入流必须要指定源,即从哪里读取数据,而输出流最终写到什么地方也必须要指定,要么是写到磁盘要么是写到网络中。
基于字符的 I/O 操作接口
不管是磁盘还是网络传输,最小的存储单元都是字节,而不是字符,所以 I/O 操作的都是字节而不是字符,但是为啥有操作字符的 I/O 接口呢?这是因为我们的程序中通常操作的数据都是以字符形式,为了操作方便当然要提供一个直接写字符的 I/O 接口。我们知道字符到字节必须要经过编码转换,而这个编码又非常耗时,而且还会经常出现乱码问题,所以 I/O 的编码问题经常是让人头疼的问题。
上图是读写字符的 I/O 操作接口涉及到的类,Writer 类提供了一个抽象方法 write(char cbuf[], int off, int len) 由子类去实现,Reader 类也提供了一个类似的抽象方法 int read(char cbuf[], int off, int len),返回读到的 n 个字节数。
字节与字符的转化接口
数据持久化或网络传输都是以字节进行的,所以必须要有字符到字节或字节到字符的转化。字符到字节需要转化,其中读的转化过程如下图所示:
Reader 类是 Java 的 I/O 中读字符的父类,而 InputStream 类是读字节的父类,InputStreamReader 类就是关联字节到字符的桥梁,它负责在 I/O 过程中处理读取字节到字符的转换,而具体字节到字符的解码实现它由 StreamDecoder 去实现,在 StreamDecoder 解码过程中必须由用户指定 Charset 编码格式。值得注意的是如果你没有指定 Charset,将使用本地环境中的默认字符集。
写的情况也是类似,字符的父类是 Writer,字节的父类是 OutputStream,通过 OutputStreamWriter 转换字符到字节。
同样 StreamEncoder 类负责将字符编码成字节,编码格式和默认编码规则与解码是一致的。
在我们的应用程序中涉及到 I/O 操作时只要注意指定统一的编解码 Charset 字符集,一般不会出现乱码问题,有些应用程序如果不注意指定字符编码,中文环境中取操作系统默认编码,如果编解码都在中文环境中,通常也没问题,但是还是强烈的不建议使用操作系统的默认编码,因为这样,你的应用程序的编码格式就和运行环境绑定起来了,在跨环境下很可能出现乱码问题。
挖坑序列文章