Java--IO--字符转换流（字符编码和字符集）

常见问题

在IDEA中编码，使用FileReader读取项目中的文本文件，由于IDEA的设置都是默认为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。如下：

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：
���

那么我们如何读取GBK编码的文件呢？这个时候就需要用到了字符转换流。

字符转换流

首先，字符转换流存在的原因是字符编码有很多种，适合我们国家文字的也有几种，所以我们先来了解一下字符编码和字符集。

字符编码和字符集

字符编码

计算机中存储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，这种行为称为字符编码，反之，将存储在计算机中的二进制数据按照某种规则解析显示出来，称之为字符解码，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规则存储的内容却按照B规则解析，那么就会出现乱码现象。
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。

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。
由上图可见，当指定了编码，他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。

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阶码为字符。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。

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。

构造方法举例如下：

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();
    }
}

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。

构造方法举例如下：

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();
    }
}

转换流图解原理

通过下图可以发现，转换流是字节与字符之间转换的桥梁。

举个栗子

将GBK编码的文本文件，转换为UTF-8编码的文本文件。

1. 定位
   需要转码的目标文件在什么地方，原编码是什么，转换的编码又应该是什么
2. 分析
   指定GBK编码的转换流，读取文本文件
   使用UTF-8编码的转换流，写出文本文件
3. 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();
   }  
}

总结

不同的工具都有自己默认的字符编码，所以在编程的时候，最好直接指定相应的字符编码，那样的话就不会出现乱码的现象。

end

谢谢您的阅读！