编码、FileInputStream中read()及read(byte b[])的用法

编码

1、ANSI编码：American National Standards Institute，即美国国家标准协会。当记事本或者软件采用Windows代码页中对应的"ANSI"编码时，在不同地区"ANSI"编码是不同的，在中国，"ANSI"就是GBK编码

2、ASCII编码：American Standard Code for Information Interchange，即美国信息交换标准代码。只能表示符合、字母、数字等，无法表示汉字，具体见：ASCII码对照表

3、通常情况下，一个汉字，utf-8编码时需要三个字节，gbk需要两个

注意：微软自带的记事本，使用utf-8编码时，会在最前面加上三个字节，因此不推荐使用记事本，推荐使用notepad

FileInputStream中read()及read(byte b[])的用法

1、首先看read()方法

/**
     * Reads a byte of data from this input stream. This method blocks
     * if no input is yet available.
     *
     * @return     the next byte of data, or -1 if the end of the
     *             file is reached.
     * @exception  IOException  if an I/O error occurs.
     */
    public int read() throws IOException {
        return read0();
    }

注释的意思是：从该字节流读取一个字节的数据，并返回该数据的下一个字节，当到达该文件的末尾时，返回-1

光看字面意思看，不太好理解其真正内涵，下面用代码进行演示，加深理解

1、在本地建一个test.txt文件，简单的写入一个字“你”，并将编码设置为ANSI，从上面的讲解可以得知，中文地区，该编码就是gbk编码

2、编码如下

@org.junit.Test
public void test() throws Exception {
   FileInputStream is = new FileInputStream("f:/test.txt");
   int b ;
   while ((b = is.read()) != -1) {
      System.out.println(b);
   }
}

输出结果如下：

196
227

通过查看gbk字符编码可知，“你”字的GBK编码2进制的值为：‭11000100 11100011‬，其中前8位转换为十进制的值是196，后8位是227，跟上述输出结果完全一致

所以我们再对read()方法的注释进行理解，该方法的返回值，就是读取到的8位二进制的十进制的值

2、read(byte b[])

首先看定义

/**
 * Reads up to b.length bytes of data from this input
 * stream into an array of bytes. This method blocks until some input
 * is available.
 *
 * @param      b   the buffer into which the data is read.
 * @return     the total number of bytes read into the buffer, or
 *             -1 if there is no more data because the end of
 *             the file has been reached.
 * @exception  IOException  if an I/O error occurs.
 */
public int read(byte b[]) throws IOException {
    return readBytes(b, 0, b.length);
}

从该输入流中最高读取b.length个字节的数据，并存放到该字节数组b中。返回值的含义是，返回该缓冲区b中字节的总数，当到达该文件的末尾时，返回-1

然后我们再看该方法里面

/**
 * Reads a subarray as a sequence of bytes.
 * @param b the data to be written
 * @param off the start offset in the data
 * @param len the number of bytes that are written
 * @exception IOException If an I/O error has occurred.
 */
private native int readBytes(byte b[], int off, int len) throws IOException;

该方法是native类型，无法查看具体实现细节，不过我们可以参考InputStream中的read(byte b[])方法

public int read(byte b[]) throws IOException {
    return read(b, 0, b.length);
}

public int read(byte b[], int off, int len) throws IOException {
    if (b == null) {
        throw new NullPointerException();
    } else if (off < 0 || len < 0 || len > b.length - off) {
        throw new IndexOutOfBoundsException();
    } else if (len == 0) {
        return 0;
    }

    int c = read();
    if (c == -1) {
        return -1;
    }
    b[off] = (byte)c;

    int i = 1;
    try {
        for (; i < len ; i++) {
            c = read();
            if (c == -1) {
                break;
            }
            b[off + i] = (byte)c;
        }
    } catch (IOException ee) {
    }
    return i;
}

看其中的第二个方法，再加上我们对read()方法的理解，可以看出：里面有一个for循环，每次读取一个字节的数据，并将读取到的数据存放的b[]数组里，返回值是实际读到的字节个数，小于等于len

推荐使用如下方法读取文本值

/**
 * 将输入流转换为字节数组
 * @param in
 * @return
 * @throws IOException
 */
private byte[] toByteArray(InputStream in) throws IOException {
    ByteArrayOutputStream out = new ByteArrayOutputStream();
    byte[] buffer = new byte[1024 * 4];
    int n ;
    while ((n = in.read(buffer)) != -1) {
        out.write(buffer, 0, n);
    }
    return out.toByteArray();
}

其中最关键的是ByteArrayOutputStream，每次读取4KB的数据，并缓存在该类的对象中，最终转换为字节数组