1 JAVA.IO字節流

inputstream.png

• LineNumberInputStream和StringBufferInputStream官方建議不再使用，推薦使用LineNumberReader和StringReader代替
• ByteArrayInputStream和ByteArrayOutputStream 字節數組處理流，在內存中建立一個緩沖區作為流使用，從緩存區讀取數據比從存儲介質(如磁盤)的速率快

//用ByteArrayOutputStream暫時緩存來自其他渠道的數據 
ByteArrayOutputStream data = new ByteArrayOutputStream(1024); //1024字節大小的緩存區 
data.write(System.in.read()); // 暫存用戶輸入數據 
 
//將data轉為ByteArrayInputStream 
ByteArrayInputStream in = new ByteArrayInputStream(data.toByteArray()); 

• FileInputStream和FileOutputStream 訪問文件，把文件作為InputStream，實現對文件的讀寫操作
• ObjectInputStream和ObjectOutputStream 對象流，構造函數需要傳入一個流，實現對JAVA對象的讀寫功能;可用于序列化，而對象需要實現Serializable接口

//java對象的寫入 
FileOutputStream fileStream = new FileOutputStream("example.txt"); 
ObjectOutputStream out = new ObjectOutputStream(fileStream); 
Example example = new Example(); 
out.writeObject(example); 
 
//java對象的讀取 
FileInputStream fileStream = new FileInputStream("example.txt"); 
ObjectInputStream in = new ObjectInputStream(fileStream); 
Example = (Example) in.readObject(); 

• PipedInputStream和PipedOutputStream 管道流，適用在兩個線程中傳輸數據，一個線程通過管道輸出流發送數據，另一個線程通過管道輸入流讀取數據，實現兩個線程間的數據通信

// 創建一個發送者對象 
Sender sender = new Sender(); // 創建一個接收者對象 
Receiver receiver = new Receiver(); // 獲取輸出管道流 
// 獲取輸入輸出管道流 
PipedOutputStream outputStream = sender.getOutputStream();  
PipedInputStream inputStream = receiver.getInputStream(); 
// 鏈接兩個管道，這一步很重要，把輸入流和輸出流聯通起來   
outputStream.connect(inputStream); 
sender.start();// 啟動發送者線程 
receiver.start();// 啟動接收者線程 

• SequenceInputStream 把多個InputStream合并為一個InputStream，允許應用程序把幾個輸入流連續地合并起來

InputStream in1 = new FileInputStream("example1.txt"); 
InputStream in2 = new FileInputStream("example2.txt"); 
SequenceInputStream sequenceInputStream = new SequenceInputStream(in1, in2); 
//數據讀取 
int data = sequenceInputStream.read(); 

• FilterInputStream和FilterOutputStream 使用了裝飾者模式來增加流的額外功能，子類構造參數需要一個InputStream/OutputStream

ByteArrayOutputStream out = new ByteArrayOutputStream(2014); 
//數據寫入，使用DataOutputStream裝飾一個InputStream 
//使用InputStream具有對基本數據的處理能力 
DataOutputStream dataOut = new DataOutputStream(out); 
dataOut.writeDouble(1.0); 
//數據讀取 
ByteArrayInputStream in = new ByteArrayInputStream(out.toByteArray()); 
DataInputStream dataIn = new DataInputStream(in); 
Double data = dataIn.readDouble(); 

• DataInputStream和DataOutputStream (Filter流的子類) 為其他流附加處理各種基本類型數據的能力,如byte、int、String
• BufferedInputStream和BufferedOutputStream (Filter流的子類) 為其他流增加緩沖功能
• PushBackInputStream (FilterInputStream子類) 推回輸入流，可以把讀取進來的某些數據重新回退到輸入流的緩沖區之中
• PrintStream (FilterOutputStream子類) 打印流，功能類似System.out.print

 2 JAVA.IO字符流

21.png 

• 從字節流和字符流的導向圖來，它們之間是相互對應的，比如CharArrayReader和ByteArrayInputStream
• 字節流和字符流的轉化：InputStreamReader可以將InputStream轉為Reader,OutputStreamReader可以將OutputStream轉為Writer

//InputStream轉為Reader 
InputStream inputStream = new ByteArrayInputStream("程序".getBytes()); 
InputStreamReader reader = new InputStreamReader(inputStream, StandardCharsets.UTF_8); 
//OutputStream轉為Writer 
OutputStream out = new FileOutputStream("example.txt"); 
OutputStreamWriter writer = new OutputStreamWriter(out); 
//以字符為單位讀寫 
writer.write(reader.read(new char[2])); 

• 區別：字節流讀取單位是字節，字符流讀取單位是字符;一個字符由字節組成，如變字長編碼UTF-8是由1~4個字節表示

3 亂碼問題和字符流

• 字符以不同的編碼表示，它的字節長度(字長)是不一樣的。如“程”的utf-8編碼格式，由[-25][-88][-117]組成。而ISO_8859_1編碼則是單個字節[63]
• 平時工作對資源的操作都是面向字節流的，然而數據資源根據不同的字節編碼轉為字節時，它們的內容是不一樣，容易造成亂碼問題
• 兩種出現亂碼場景 encode和decode使用的字符編碼不一致：資源使用UTF-8編碼，而在代碼里卻使用GBK解碼打開使用字節流讀取字節數不符合字符規定字長：字符是由字節組成的，比如“程”的utf-8格式是三個字節;如果在InputStream里以每兩個字節讀取流，再轉為String(java默認編碼是utf-8)，此時會出現亂碼(半個中文，你猜是什么)

ByteArrayInputStream in = new ByteArrayInputStream("程序大法好".getBytes()); 
byte[] buf = new byte[2]; //讀取流的兩個字節 
in.read(buf); //讀取數據 
System.out.println(new String(buf)); //亂碼 
---result----  
�  //亂碼 

• 亂碼場景1，知道資源的字符編碼，就可以使用對應的字符編碼來解碼解決
• 亂碼場景2，可以一次性讀取所有字節，再一次性編碼處理。但是對于大文件流，這是不現實的，因此有了字符流的出現
• 字節流使用InputStreamReader、OutputStreamReader轉化為字符流，其中可以指定字符編碼，再以字符為單位來處理，可解決亂碼

InputStreamReader reader =  
      new InputStreamReader(inputStream, StandardCharsets.UTF_8); 

4 字符集和字符編碼的概念區分

• 字符集和字符編碼的關系，字符集是規范，字符編碼是規范的具體實現;字符集規定了符號和二進制代碼值的唯一對應關系，但是沒有指定具體的存儲方式;
• unicode、ASCII、GB2312、GBK都是字符集;其中ASCII、GB2312、GBK既是字符集也是字符編碼;注意不混淆這兩者區別;而unicode的具體實現有UTF-8，UTF-16，UTF-32
• 最早出現的ASCII碼是使用一個字節(8bit)來規定字符和二進制映射關系，標準ASCII編碼規定了128個字符，在英文的世界，是夠用的。但是中文，日文等其他文字符號怎么映射呢?因此其他更大的字符集出現了
• unicode(統一字符集)，早期時它使用2個byte表示1個字符，整個字符集可以容納65536個字符。然而仍然不夠用，于是擴展到4個byte表示一個字符，現支持范圍是U+010000~U+10FFFF
• unicode是兩個字節的說法是錯誤的;UTF-8是變字長的，需要用1~4個字節存儲;UTF-16一般是兩個字節(U+0000~U+FFFF范圍)，如果遇到兩個字節存不下，則用4個字節;而UTF-32是固定四個字節
• unicode表示的字符，會用“U+”開頭，后面跟著十六進制的數字，如“字”的編碼就是U+5B57
• UTF-8 編碼和unicode字符集

范圍 Unicode(Binary) UTF-8編碼(Binary) UTF-8編碼byte長度 U+0000~U+007F 00000000 00000000 00000000 0XXXXXXX 0XXXXXX 1 U+0080~U+07FF 00000000 00000000 00000YYY YYXXXXXX 110YYYYY 10XXXXXX 2 U+0800~U+FFFF 00000000 00000000 ZZZZYYYY YYXXXXXX 1110ZZZZ 10YYYYYY 10XXXXXX 3 U+010000~U+10FFFF 00000000 000AAAZZ ZZZZYYYY YYXXXXXX 11110AAA 10ZZZZZZ 10YYYYYY 10XXXXXX 4

• 程序是分內碼和外碼，java的默認編碼是UTF-8，其實指的是外碼;內碼傾向于使用定長碼，和內存對齊一個原理，便于處理。外碼傾向于使用變長碼，變長碼將常用字符編為短編碼，罕見字符編為長編碼，節省存儲空間與傳輸帶寬
• JDK8的字符串，是使用char[]來存儲字符的，char是兩個字節大小，其中使用的是UTF-16編碼(內碼)。而unicode規定的中文字符在U+0000~U+FFFF內，因此使用char(UTF-16編碼)存儲中文是不會出現亂碼的
• JDK9后，字符串則使用byte[]數組來存儲，因為有一些字符一個char已經存不了，如emoji表情字符，使用字節存儲字符串更容易拓展
• JDK9，如果字符串的內容都是ISO-8859-1/Latin-1字符(1個字符1字節)，則使用ISO-8859-1/Latin-1編碼存儲字符串，否則使用UTF-16編碼存儲數組(2或4個字節)

System.out.println(Charset.defaultCharset()); //輸出java默認編碼 
for (byte item : "程序".getBytes(StandardCharsets.UTF_16)) { 
    System.out.print("[" + item + "]"); 
} 
System.out.println(""); 
for (byte item : "程序".getBytes(StandardCharsets.UTF_8)) { 
    System.out.print("[" + item + "]"); 
} 
----result---- 
UTF-8       //java默認編碼UTF-8 
[-2][-1][122][11][94][-113] //UTF_16：6個字節？ 
[-25][-88][-117][-27][-70][-113] //UTF_8：6個字節 正常 

• “程序”的UTF-16編碼竟是輸出6個字節，多出了兩個字節，這是什么情況？再試試一個字符的輸

for (byte item : "程".getBytes(StandardCharsets.UTF_16)) { 
    System.out.print("[" + item + "]"); 
} 
---result-- 
[-2][-1][122][11] 

• 可以看出UTF-16編碼的字節是多了[-2][-1]兩個字節，十六進制是0xFEFF。而它用來標識編碼順序是Big endian還是Little endian。以字符'中'為例，它的unicode十六進制是4E2D，存儲時4E在前，2D在后，就是Big endian;2D在前，4E在后，就是Little endian。FEFF表示存儲采用Big endian，FFFE表示使用Little endian
• 為什么UTF-8沒有字節序的問題呢?個人看法，因為UTF-8是變長的，由第一個字節的頭部的0、110、1110、11110判斷是否需后續幾個字節組成字符，使用Big endian易讀取處理，反過來不好處理，因此強制用Big endian
• 其實感覺UTF-16可以強制規定用Big endian;但這其中歷史問題。。。

 【編輯推薦】