JAVA NIO(三)：缓冲区的相互转换及中文乱码的解决方案

在Java IO中，Channel（通道）只能直接与ByteBuffer进行通信，这样我们可能会用ByteBuffer的视图来解决数据的转换问题，如将字符串转换为二进制缓冲区，整数缓冲区转换为二进制缓冲区，示例如下：

ByteBuffer buffer = ByteBuffer.allocate(100);
//  获取缓冲区的视图，但与ByteBuffer的mark、position、limit互相独立
CharBuffer charBuff = buffer.asCharBuffer();
//  更容易进行字符操作
charBuff.put("Hello, World!");
//  创建输出通道
WritableByteChannel outChannel = Channels.newChannel(System.out);
//  写入缓冲区数据
outChannel.write(byteBuf);
outChannel.close();

采用上述的方法，会导致以下几个问题：
1. 难以控制字符与字节的转换过程；
2. 难以获取缓冲区的当前位置与剩余空间；
3. 难以控制缓冲区的阶段读取，如20-50，50-70；

在上面的例子中，我们将CharBuffer与ByteBuffer进行了转换，极大地简化了字符的操作行为，但可惜的是，字符依赖于系统编码（这里是UTF-8，每个字符占两个字节），写入的时候每个字符占两个字节，但读取的时候却不知道编码，最后导致出现乱码。

要解决上述的问题，只有自己控制字符与字节转换的过程，才能保证字符的输入与输出保持一致，如下：

//  创建输出通道
WritableByteChannel outChannel = Channels.newChannel(System.out);
String text = "你好,JAVA!";
byte[] arr = text.getBytes("UTF-8");
ByteBuffer byteBuf = ByteBuffer.wrap(arr);
outChannel.write(byteBuf);
outChannel.close();

使用上述的方法，优点是能保证字符的正确转换，但是很显然，效率太低了，还有更好的办法吗？

经过实测，通过字节转换的效率并不低，并且比CharBuffer放入字符串的速度高4-5倍，对比数据如下：

字节数量	ByteBuffer直接放入数据	通过CharBuffer放入数据
1200	PT0.000087808S	PT0.000437138S
2400	PT0.000099591S	PT0.000669771S
4800	PT0.000140644S	PT0.000880357S

这里最有意思的地方在于，CharBuffer统一以两个字节存储一个字符，而ByteBuffer则依赖于编码，可能是两个字节，也可能是三个字节，最后导致512个字符，CharBuffer的limit为512，换算为ByteBuffer后为1024个字节，而直接用ByteBuffer存储字节则为1200（依赖于具体的字符，不定）,如下：

字符数量	ByteBuffer直接放入数据	通过CharBuffer放入数据
512	1200	512
1024	2400	1024
2048	4800	1024

关于乱码，如果是以CharBuffer放入的数据，因为没有对应的字符集解码器，必定是乱码，只有通过同样的CharBuufer方式读出，才能正确解决，所以在这里，char是一种数据存储格式，就如同long数据、int数据一样，并不是操作系统上对应的字符集，所以无法解析。尤其是文本编辑器提示“此文档包含当前文本编码无法处理的字符”，则可以断定是以字符数据格式进行存储，处理方式如下：

FileInputStream fis = new FileInputStream(file);
FileChannel fc = fis.getChannel();
ByteBuffer bbuf = ByteBuffer.allocateDirect(1024);
long offset = 0;
long nums = 0;
while((nums = fc.read(bbuf, offset)) > 0) {
    //  一定要反转回到正确位置，CharBuffer视图是基于当前位置创建的
    bbuf.flip();
    //  以字符数据方式进行读取
    CharBuffer cbuf = bbuf.asCharBuffer();
    bbuf.clear();
    offset = offset + nums;
}
fc.close();
fis.close();

结论

1. 一定要区分字符与字符数据，如果是操作系统上的字符，则可对应到文本编码，并有相应的字符集编码，而字符数据必定是二进制编码；
2. 缓冲区存储的是字节（不是字符）；
3. 字符由多个字节组成，如果不能按照指定的顺序与数量读取所需的字节，必然出现乱码。