JavaIO--数据输入流DataInputStream

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

DataInputStream 介绍

DataInputStream 是数据输入流。它继承于FilterInputStream。
DataInputStream 是用来装饰其它输入流,它“允许应用程序以与机器无关方式从底层输入流中读取基本 Java 数据类型”。应用程序可以使用DataOutputStream(数据输出流)写入由DataInputStream(数据输入流)读取的数据。

DataInputStream 函数列表

DataInputStream(InputStream in)  
final int     read(byte[] buffer, int offset, int length)  
final int     read(byte[] buffer)  
final boolean     readBoolean()  
final byte     readByte()  
final char     readChar()  
final double     readDouble()  
final float     readFloat()  
final void     readFully(byte[] dst)  
final void     readFully(byte[] dst, int offset, int byteCount)  
final int     readInt()  
final String     readLine()  
final long     readLong()  
final short     readShort()  
final static String     readUTF(DataInput in)  
final String     readUTF()  
final int     readUnsignedByte()  
final int     readUnsignedShort()  
final int     skipBytes(int count)

 DataInputStream.java源码分析(基于jdk1.7.40)


package java.io;  
 
public class DataInputStream extends FilterInputStream implements DataInput {  
 
    // 构造函数。  
    public DataInputStream(InputStream in) {  
        super(in);  
    }  
 
    private byte bytearr[] = new byte[80];  
    private char chararr[] = new char[80];  
 
    // 从“数据输入流”中读取一个字节  
    public final int read(byte b[]) throws IOException {  
        return in.read(b, 0, b.length);  
    }  
 
    // 从“数据输入流”中读取数据并存储到字节数组b中。  
    // off是字节数组b中开始存储元素的起始位置。  
    // len是读取字节的个数。  
    public final int read(byte b[], int off, int len) throws IOException {  
        return in.read(b, off, len);  
    }  
 
    // 从“数据输入流”中读取数据并填满字节数组b中;没有填满数组b则一直读取,直到填满位置。  
    // 从字节数组b的位置0开始存储,并且读取的字节个数等于b的长度。  
    public final void readFully(byte b[]) throws IOException {  
        readFully(b, 0, b.length);  
    }  
 
    // 从“数据输入流”中读取数据并存储到字节数组b中;若没读取len个字节,直到一直读取直到读取完len个字节为止。  
    public final void readFully(byte b[], int off, int len) throws IOException {  
        if (len < 0)  
            throw new IndexOutOfBoundsException();  
        int n = 0;  
        while (n < len) {  
            int count = in.read(b, off + n, len - n);  
            if (count < 0)  
                throw new EOFException();  
            n += count;  
        }  
    }  
 
    // 跳过n个字节  
    public final int skipBytes(int n) throws IOException {  
        int total = 0;  
        int cur = 0;  
 
        while ((total 0)) {  
            total += cur;  
        }  
 
        return total;  
    }  
 
    // 从“数据输入流”中读取boolean类型的值  
    public final boolean readBoolean() throws IOException {  
        int ch = in.read();  
        if (ch < 0)  
            throw new EOFException();  
        return (ch != 0);  
    }  
 
    // 从“数据输入流”中读取Byte类型的值  
    public final byte readByte() throws IOException {  
        int ch = in.read();  
        if (ch < 0)  
            throw new EOFException();  
        return (byte)(ch);  
    }  
 
    // 从“数据输入流”中读取“无符号的Byte类型”的值,即读取值为正数的byte值  
    public final int readUnsignedByte() throws IOException {  
        int ch = in.read();  
        if (ch < 0)  
            throw new EOFException();  
        return ch;  
    }  
 
    // 从“数据输入流”中读取“short类型”的值  
    public final short readShort() throws IOException {  
        int ch1 = in.read();  
        int ch2 = in.read();  
        if ((ch1 | ch2) < 0)  
            throw new EOFException();  
        return (short)((ch1 << 8) + (ch2 << 0));  
    }  
 
    // 从“数据输入流”中读取“无符号的short类型”的值  
    public final int readUnsignedShort() throws IOException {  
        int ch1 = in.read();  
        int ch2 = in.read();  
        if ((ch1 | ch2) < 0)  
            throw new EOFException();  
        return (ch1 << 8) + (ch2 << 0);  
    }  
 
    // 从“数据输入流”中读取“char类型”的值  
    public final char readChar() throws IOException {  
        int ch1 = in.read();  
        int ch2 = in.read();  
        if ((ch1 | ch2) < 0)  
            throw new EOFException();  
        return (char)((ch1 << 8) + (ch2 << 0));  
    }  
 
    // 从“数据输入流”中读取“int类型”的值  
    public final int readInt() throws IOException {  
        int ch1 = in.read();  
        int ch2 = in.read();  
        int ch3 = in.read();  
        int ch4 = in.read();  
        if ((ch1 | ch2 | ch3 | ch4) < 0)  
            throw new EOFException();  
        return ((ch1 << 24) + (ch2 << 16) + (ch3 << 8) + (ch4 << 0));  
    }  
 
    private byte readBuffer[] = new byte[8];  
 
    // 从“数据输入流”中读取“long类型”的值  
    public final long readLong() throws IOException {  
        readFully(readBuffer, 0, 8);  
        return (((long)readBuffer[0] << 56) +  
                ((long)(readBuffer[1] & 255) << 48) +  
                ((long)(readBuffer[2] & 255) << 40) +  
                ((long)(readBuffer[3] & 255) << 32) +  
                ((long)(readBuffer[4] & 255) << 24) +  
                ((readBuffer[5] & 255) << 16) +  
                ((readBuffer[6] & 255) <<  8) +  
                ((readBuffer[7] & 255) <<  0));  
    }  
 
    // 从“数据输入流”中读取“float类型”的值  
    public final float readFloat() throws IOException {  
        return Float.intBitsToFloat(readInt());  
    }  
 
    // 从“数据输入流”中读取“double类型”的值  
    public final double readDouble() throws IOException {  
        return Double.longBitsToDouble(readLong());  
    }  
 
    private char lineBuffer[];  
 
    @Deprecated 
    public final String readLine() throws IOException {  
        char buf[] = lineBuffer;  
 
        if (buf == null) {  
            buf = lineBuffer = new char[128];  
        }  
 
        int room = buf.length;  
        int offset = 0;  
        int c;  
 
loop:   while (true) {  
            switch (c = in.read()) {  
              case -1:  
              case '\n':  
                break loop;  
 
              case '\r':  
                int c2 = in.read();  
                if ((c2 != '\n') && (c2 != -1)) {  
                    if (!(in instanceof PushbackInputStream)) {  
                        this.in = new PushbackInputStream(in);  
                    }  
                    ((PushbackInputStream)in).unread(c2);  
                }  
                break loop;  
 
              default:  
                if (--room < 0) {  
                    buf = new char[offset + 128];  
                    room = buf.length - offset - 1;  
                    System.arraycopy(lineBuffer, 0, buf, 0, offset);  
                    lineBuffer = buf;  
                }  
                buf[offset++] = (char) c;  
                break;  
            }  
        }  
        if ((c == -1) && (offset == 0)) {  
            return null;  
        }  
        return String.copyValueOf(buf, 0, offset);  
    }  
 
    // 从“数据输入流”中读取“UTF类型”的值  
    public final String readUTF() throws IOException {  
        return readUTF(this);  
    }  
 
    public final static String readUTF(DataInput in) throws IOException {  
        // 从“数据输入流”中读取“无符号的short类型”的值:  
        // 注意:UTF-8输入流的前2个字节是数据的长度  
        int utflen = in.readUnsignedShort();  
        byte[] bytearr = null;  
        char[] chararr = null;  
 
        // 如果in本身是“数据输入流”,  
        // 则,设置字节数组bytearr = "数据输入流"的成员bytearr  
        //     设置字符数组chararr = "数据输入流"的成员chararr  
        // 否则的话,新建数组bytearr和chararr  
        if (in instanceof DataInputStream) {  
            DataInputStream dis = (DataInputStream)in;  
            if (dis.bytearr.length < utflen){  
                dis.bytearr = new byte[utflen*2];  
                dis.chararr = new char[utflen*2];  
            }  
            chararr = dis.chararr;  
            bytearr = dis.bytearr;  
        } else {  
            bytearr = new byte[utflen];  
            chararr = new char[utflen];  
        }  
 
        int c, char2, char3;  
        int count = 0;  
        int chararr_count=0;  
 
        // 从“数据输入流”中读取数据并存储到字节数组bytearr中;从bytearr的位置0开始存储,存储长度为utflen。  
        // 注意,这里是存储到字节数组!而且读取的是全部的数据。  
        in.readFully(bytearr, 0, utflen);  
 
        // 将“字节数组bytearr”中的数据 拷贝到 “字符数组chararr”中  
        // 注意:这里相当于“预处理的输入流中单字节的符号”,因为UTF-8是1-4个字节可变的。  
        while (count < utflen) {  
            // 将每个字节转换成int值  
            c = (int) bytearr[count] & 0xff;  
            // UTF-8的单字节数据的值都不会超过127;所以,超过127,则退出。  
            if (c > 127) break;  
            count++;  
            // 将c保存到“字符数组chararr”中  
            chararr[chararr_count++]=(char)c;  
        }  
 
        // 处理完输入流中单字节的符号之后,接下来我们继续处理。  
        while (count < utflen) {  
            // 下面语句执行了2步操作。  
            // (01) 将字节由 “byte类型” 转换成 “int类型”。  
            //      例如, “11001010” 转换成int之后,是 “00000000 00000000 00000000 11001010”  
            // (02) 将 “int类型” 的数据左移4位  
            //      例如, “00000000 00000000 00000000 11001010” 左移4位之后,变成 “00000000 00000000 00000000 00001100”  
            c = (int) bytearr[count] & 0xff;  
            switch (c >> 4) {  
                // 若 UTF-8 是单字节,即 bytearr[count] 对应是 “0xxxxxxx” 形式;  
                // 则 bytearr[count] 对应的int类型的c的取值范围是 0-7。  
                case 0: case 1: case 2: case 3: case 4: case 5: case 6: case 7:  
                    /* 0xxxxxxx*/ 
                    count++;  
                    chararr[chararr_count++]=(char)c;  
                    break;  
 
                // 若 UTF-8 是双字节,即 bytearr[count] 对应是 “110xxxxx  10xxxxxx” 形式中的第一个,即“110xxxxx”  
                // 则 bytearr[count] 对应的int类型的c的取值范围是 12-13。  
                case 12: case 13:  
                    /* 110x xxxx   10xx xxxx*/ 
                    count += 2;  
                    if (count > utflen)  
                        throw new UTFDataFormatException(  
                            "malformed input: partial character at end");  
                    char2 = (int) bytearr[count-1];  
                    if ((char2 & 0xC0) != 0x80)  
                        throw new UTFDataFormatException(  
                            "malformed input around byte " + count);  
                    chararr[chararr_count++]=(char)(((c & 0x1F) << 6) |  
                                                    (char2 & 0x3F));  
                    break;  
 
                // 若 UTF-8 是三字节,即 bytearr[count] 对应是 “1110xxxx  10xxxxxx  10xxxxxx” 形式中的第一个,即“1110xxxx”  
                // 则 bytearr[count] 对应的int类型的c的取值是14 。  
                case 14:  
                    /* 1110 xxxx  10xx xxxx  10xx xxxx */ 
                    count += 3;  
                    if (count > utflen)  
                        throw new UTFDataFormatException(  
                            "malformed input: partial character at end");  
                    char2 = (int) bytearr[count-2];  
                    char3 = (int) bytearr[count-1];  
                    if (((char2 & 0xC0) != 0x80) || ((char3 & 0xC0) != 0x80))  
                        throw new UTFDataFormatException(  
                            "malformed input around byte " + (count-1));  
                    chararr[chararr_count++]=(char)(((c     & 0x0F) << 12) |  
                                                    ((char2 & 0x3F) << 6)  |  
                                                    ((char3 & 0x3F) << 0));  
                    break;  
 
                // 若 UTF-8 是四字节,即 bytearr[count] 对应是 “11110xxx 10xxxxxx  10xxxxxx  10xxxxxx” 形式中的第一个,即“11110xxx”  
                // 则 bytearr[count] 对应的int类型的c的取值是15   
                default:  
                    /* 10xx xxxx,  1111 xxxx */ 
                    throw new UTFDataFormatException(  
                        "malformed input around byte " + count);  
            }  
        }  
        // The number of chars produced may be less than utflen  
        return new String(chararr, 0, chararr_count);  
    }  
}



说明
DataInputStream 的作用就是“允许应用程序以与机器无关方式从底层输入流中读取基本 Java 数据类型。应用程序可以使用数据输出流写入稍后由数据输入流读取的数据。”
DataInputStream 中比较难以理解的函数就只有 readUTF(DataInput in);下面,对这个函数进行详细的介绍,其它的函数请参考源码中的注释。


readUTF(DataInput in)源码如下:

public final static String readUTF(DataInput in) throws IOException {  
    // 从“数据输入流”中读取“无符号的short类型”的值:  
    // 注意:UTF-8输入流的前2个字节是数据的长度  
    int utflen = in.readUnsignedShort();  
    byte[] bytearr = null;  
    char[] chararr = null;  
 
    // 如果in本身是“数据输入流”,  
    // 则,设置字节数组bytearr = "数据输入流"的成员bytearr  
    //     设置字符数组chararr = "数据输入流"的成员chararr  
    // 否则的话,新建数组bytearr和chararr  
    if (in instanceof DataInputStream) {  
        DataInputStream dis = (DataInputStream)in;  
        if (dis.bytearr.length < utflen){  
            dis.bytearr = new byte[utflen*2];  
            dis.chararr = new char[utflen*2];  
        }  
        chararr = dis.chararr;  
        bytearr = dis.bytearr;  
    } else {  
        bytearr = new byte[utflen];  
        chararr = new char[utflen];  
    }  
 
    int c, char2, char3;  
    int count = 0;  
    int chararr_count=0;  
 
    // 从“数据输入流”中读取数据并存储到字节数组bytearr中;从bytearr的位置0开始存储,存储长度为utflen。  
    // 注意,这里是存储到字节数组!而且读取的是全部的数据。  
    in.readFully(bytearr, 0, utflen);  
 
    // 将“字节数组bytearr”中的数据 拷贝到 “字符数组chararr”中  
    // 注意:这里相当于“预处理的输入流中单字节的符号”,因为UTF-8是1-4个字节可变的。  
    while (count < utflen) {  
        // 将每个字节转换成int值  
        c = (int) bytearr[count] & 0xff;  
        // UTF-8的每个字节的值都不会超过127;所以,超过127,则退出。  
        if (c > 127) break;  
        count++;  
        // 将c保存到“字符数组chararr”中  
        chararr[chararr_count++]=(char)c;  
    }  
 
    // 处理完输入流中单字节的符号之后,接下来我们继续处理。  
    while (count < utflen) {  
        // 下面语句执行了2步操作。  
        // (01) 将字节由 “byte类型” 转换成 “int类型”。  
        //      例如, “11001010” 转换成int之后,是 “00000000 00000000 00000000 11001010”  
        // (02) 将 “int类型” 的数据左移4位  
        //      例如, “00000000 00000000 00000000 11001010” 左移4位之后,变成 “00000000 00000000 00000000 00001100”  
        c = (int) bytearr[count] & 0xff;  
        switch (c >> 4) {  
            // 若 UTF-8 是单字节,即 bytearr[count] 对应是 “0xxxxxxx” 形式;  
            // 则 bytearr[count] 对应的int类型的c的取值范围是 0-7。  
            case 0: case 1: case 2: case 3: case 4: case 5: case 6: case 7:  
                /* 0xxxxxxx*/ 
                count++;  
                chararr[chararr_count++]=(char)c;  
                break;  
 
            // 若 UTF-8 是双字节,即 bytearr[count] 对应是 “110xxxxx  10xxxxxx” 形式中的第一个,即“110xxxxx”  
            // 则 bytearr[count] 对应的int类型的c的取值范围是 12-13。  
            case 12: case 13:  
                /* 110x xxxx   10xx xxxx*/ 
                count += 2;  
                if (count > utflen)  
                    throw new UTFDataFormatException(  
                        "malformed input: partial character at end");  
                char2 = (int) bytearr[count-1];  
                if ((char2 & 0xC0) != 0x80)  
                    throw new UTFDataFormatException(  
                        "malformed input around byte " + count);  
                chararr[chararr_count++]=(char)(((c & 0x1F) << 6) |  
                                                (char2 & 0x3F));  
                break;  
 
            // 若 UTF-8 是三字节,即 bytearr[count] 对应是 “1110xxxx  10xxxxxx  10xxxxxx” 形式中的第一个,即“1110xxxx”  
            // 则 bytearr[count] 对应的int类型的c的取值是14 。  
            case 14:  
                /* 1110 xxxx  10xx xxxx  10xx xxxx */ 
                count += 3;  
                if (count > utflen)  
                    throw new UTFDataFormatException(  
                        "malformed input: partial character at end");  
                char2 = (int) bytearr[count-2];  
                char3 = (int) bytearr[count-1];  
                if (((char2 & 0xC0) != 0x80) || ((char3 & 0xC0) != 0x80))  
                    throw new UTFDataFormatException(  
                        "malformed input around byte " + (count-1));  
                chararr[chararr_count++]=(char)(((c     & 0x0F) << 12) |  
                                                ((char2 & 0x3F) << 6)  |  
                                                ((char3 & 0x3F) << 0));  
                break;  
 
            // 若 UTF-8 是四字节,即 bytearr[count] 对应是 “11110xxx 10xxxxxx  10xxxxxx  10xxxxxx” 形式中的第一个,即“11110xxx”  
            // 则 bytearr[count] 对应的int类型的c的取值是15   
            default:  
                /* 10xx xxxx,  1111 xxxx */ 
                throw new UTFDataFormatException(  
                    "malformed input around byte " + count);  
        }  
    }  
    // The number of chars produced may be less than utflen  
    return new String(chararr, 0, chararr_count);  
}



说明:
(01) readUTF()的作用,是从输入流中读取UTF-8编码的数据,并以String字符串的形式返回。
(02) 知道了readUTF()的作用之后,下面开始介绍readUTF()的流程:
第1步,读取出输入流中的UTF-8数据的长度。代码如下:
int utflen = in.readUnsignedShort(); 
UTF-8数据的长度包含在它的前两个字节当中;我们通过readUnsignedShort()读取出前两个字节对应的正整数就是UTF-8数据的长度。
第2步,创建2个数组:字节数组bytearr 和 字符数组chararr。代码如下:
if (in instanceof DataInputStream) {  
    DataInputStream dis = (DataInputStream)in;  
    if (dis.bytearr.length < utflen){  
        dis.bytearr = new byte[utflen*2];  
        dis.chararr = new char[utflen*2];  
    }  
    chararr = dis.chararr;  
    bytearr = dis.bytearr;  
} else {  
    bytearr = new byte[utflen];  
    chararr = new char[utflen];  

首先,判断该输入流本身是不是DataInputStream,即数据输入流;若是的话,
则,设置字节数组bytearr = "数据输入流"的成员bytearr
      设置字符数组chararr = "数据输入流"的成员chararr
否则的话,新建数组bytearr和chararr。
第3步,将UTF-8数据全部读取到“字节数组bytearr”中。代码如下:
in.readFully(bytearr, 0, utflen);  
注意: 这里是存储到字节数组,而不是字符数组!而且读取的是全部的数据。
第4步,对UTF-8中的单字节数据进行预处理。代码如下:
while (count < utflen) {  
    // 将每个字节转换成int值  
    c = (int) bytearr[count] & 0xff;  
    // UTF-8的单字节数据的值都不会超过127;所以,超过127,则退出。  
    if (c > 127) break;  
    count++;  
    // 将c保存到“字符数组chararr”中  
    chararr[chararr_count++]=(char)c;  

UTF-8的数据是变长的,可以是1-4个字节;在readUTF()中,我们最终是将全部的UTF-8数据保存到“字符数组(而不是字节数组)”中,再将其转换为String字符串。
由于UTF-8的单字节和ASCII相同,所以这里就将它们进行预处理,直接保存到“字符数组chararr”中。对于其它的UTF-8数据,则在后面进行处理。

第5步,对“第4步 预处理”之后的数据,接着进行处理。代码如下:

// 处理完输入流中单字节的符号之后,接下来我们继续处理。  
while (count < utflen) {  
    // 下面语句执行了2步操作。  
    // (01) 将字节由 “byte类型” 转换成 “int类型”。  
    //      例如, “11001010” 转换成int之后,是 “00000000 00000000 00000000 11001010”  
    // (02) 将 “int类型” 的数据左移4位  
    //      例如, “00000000 00000000 00000000 11001010” 左移4位之后,变成 “00000000 00000000 00000000 00001100”  
    c = (int) bytearr[count] & 0xff;  
    switch (c >> 4) {  
        // 若 UTF-8 是单字节,即 bytearr[count] 对应是 “0xxxxxxx” 形式;  
        // 则 bytearr[count] 对应的int类型的c的取值范围是 0-7。  
        case 0: case 1: case 2: case 3: case 4: case 5: case 6: case 7:  
            /* 0xxxxxxx*/ 
            count++;  
            chararr[chararr_count++]=(char)c;  
            break;  
 
        // 若 UTF-8 是双字节,即 bytearr[count] 对应是 “110xxxxx  10xxxxxx” 形式中的第一个,即“110xxxxx”  
        // 则 bytearr[count] 对应的int类型的c的取值范围是 12-13。  
        case 12: case 13:  
            /* 110x xxxx   10xx xxxx*/ 
            count += 2;  
            if (count > utflen)  
                throw new UTFDataFormatException(  
                    "malformed input: partial character at end");  
            char2 = (int) bytearr[count-1];  
            if ((char2 & 0xC0) != 0x80)  
                throw new UTFDataFormatException(  
                    "malformed input around byte " + count);  
            chararr[chararr_count++]=(char)(((c & 0x1F) << 6) |  
                                            (char2 & 0x3F));  
            break;  
 
        // 若 UTF-8 是三字节,即 bytearr[count] 对应是 “1110xxxx  10xxxxxx  10xxxxxx” 形式中的第一个,即“1110xxxx”  
        // 则 bytearr[count] 对应的int类型的c的取值是14 。  
        case 14:  
            /* 1110 xxxx  10xx xxxx  10xx xxxx */ 
            count += 3;  
            if (count > utflen)  
                throw new UTFDataFormatException(  
                    "malformed input: partial character at end");  
            char2 = (int) bytearr[count-2];  
            char3 = (int) bytearr[count-1];  
            if (((char2 & 0xC0) != 0x80) || ((char3 & 0xC0) != 0x80))  
                throw new UTFDataFormatException(  
                    "malformed input around byte " + (count-1));  
            chararr[chararr_count++]=(char)(((c     & 0x0F) << 12) |  
                                            ((char2 & 0x3F) << 6)  |  
                                            ((char3 & 0x3F) << 0));  
            break;  
 
        // 若 UTF-8 是四字节,即 bytearr[count] 对应是 “11110xxx 10xxxxxx  10xxxxxx  10xxxxxx” 形式中的第一个,即“11110xxx”  
        // 则 bytearr[count] 对应的int类型的c的取值是15   
        default:  
            /* 10xx xxxx,  1111 xxxx */ 
            throw new UTFDataFormatException(  
                "malformed input around byte " + count);  
    }  
}

(a) 我们将下面的两条语句一起进行说明


c = (int) bytearr[count] & 0xff;  
switch (c >> 4) { ... }

首先,我们必须要理解 为什么要这么做(执行上面2条语句)呢?
原因很简单,这么做的目的就是为了区分UTF-8数据是几位的;因为UTF-8的数据是1~4字节不等。

我们先看看UTF-8在1~4位情况下的格式。



--------------------+---------------------------------------------
1字节 UTF-8的通用格式  | 0xxxxxxx
2字节 UTF-8的通用格式  | 110xxxxx 10xxxxxx
3字节 UTF-8的通用格式  | 1110xxxx 10xxxxxx 10xxxxxx
4字节 UTF-8的通用格式  | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
执行 c = (int) bytearr[count] & 0xff; 和 c>>4 这2项操作之后,上面的数据变成
--------------------+---------------------------------------------
1字节 UTF-8的变换后对应的int类型值  | 00000000 00000000 00000000 00000xxx    (范围是0~7) 
2字节 UTF-8的变换后对应的int类型值  | 00000000 00000000 00000000 0000110x    (范围是12~13) 
3字节 UTF-8的变换后对应的int类型值  | 00000000 00000000 00000000 00001110    (范围是14) 
4字节 UTF-8的变换后对应的int类型值  | 00000000 00000000 00000000 00001111    (范围是15)



为什么会是这样呢?
我们以“2字节 UTF-8的通用格式”来说明。
它的通用格式是 “ 110xxxxx 10xxxxxx ”,我们在操作时,只会操作第1个字节,即只会操作“ 110xxxxx
(a.1)  在执行 c = (int) bytearr[count] & 0xff; 时,首先将 bytearr[count] 转换成int。



“110xxxxx”



转成int类型之后,变成



“11111111 11111111 11111111 110xxxxx”



因为“110xxxxx”是负数(第1为是1),所以转换成int类型时多出来的位补1。


(a.2) 接着 c = (int) bytearr[count] & 0xff; 中,会将 “转换成int类型后的bytearr[count]” 与 “0xff”进行 逻辑与(即&) 操作。结果如下:
“00000000 00000000 00000000 110xxxxx” 
(a.3) 执行 c>>4 时,会将上面的结果左移4位。得到的结果如下:
“00000000 00000000 00000000 0000110x” 
(b) 上面的理解之后,swicth (c>>4) { ... } 其中的省略号部分就相当容易理解了。
我们还是以“2字节 UTF-8的通用格式”来说明。
它会执行 case 12 和 case 13;源码如下:

count += 2;  
if (count > utflen)  
    throw new UTFDataFormatException(  
        "malformed input: partial character at end");  
char2 = (int) bytearr[count-1];  
if ((char2 & 0xC0) != 0x80)  
    throw new UTFDataFormatException(  
        "malformed input around byte " + count);  
chararr[chararr_count++]=(char)(((c & 0x1F) << 6) | (char2 & 0x3F));



(b.1) 由于这种情况对应的UTF-8数据是“2字节”的,因此,执行count+2;直接跳过2个字节。
(b.2) 由于chararr的元素是字符类型,而一个字符正好占2个字节;因为正好将(((c & 0x1F) << 6) | (char2 & 0x3F)); 的结果转换成char,然后保存在chararr数组中。


第6步,将字符数组转换成String字符串,并返回。代码如下:
return new String(chararr, 0, chararr_count); 










转载于:https://my.oschina.net/zhaoqian/blog/348108

你可能感兴趣的:(java,python)