读取多字节字符时InputStream和InputStreamReader之间的区别

Question

之间的差InputStream和InputStreamReader是， InputStream读取， byte ，而InputStreamReader读取作为char 。 例如，如果文件中的文本是abc ，那么它们都可以正常工作。 但是如果文本是a你们由a和两个中文字符组成的a你们 ，则InputStream不起作用。

所以我们应该使用InputStreamReader ，但我的问题是：

InputStreamReader如何识别字符？

a是一个字节，但中文字符是两个字节。 它是否读取a为一个字节，并承认其他字符为两个字节，或对该文本的每个字符，并在InputStreamReader它读成两个字节？

Answer 1

InputStream读取原始八位位组（8位）数据。 在Java中， byte类型等同于C中的char类型。在C中，此类型可用于表示字符数据或二进制数据。 在Java中， char类型与C wchar_t类型具有更大的相似性。

然后， InputStreamReader将数据从某些编码转换为UTF-16。 如果“a你们”在磁盘上编码为UTF-8，则它将是字节序列61 E4 BD A0 E4 BB AC 。 当您通过InputStream来InputStreamReader使用UTF-8编码，这将被解读为炭序列0061 4F60 4EEC 。

Java中的字符编码API包含执行此转换的算法。 您可以在此处找到Oracle JRE支持的编码列表。 如果您想了解其在实践中如何运作的内部， ICU项目是一个很好的起点。

正如Alexander Pogrebnyak所指出的那样 ，你应该几乎总是明确地提供编码。 不指定编码的byte to- char方法依赖于JRE默认值 ，这取决于操作系统和用户设置。

Answer 2

您必须通过提供写入二进制文件的字符集给读者提示。例如

Reader reader =
   new InputStreamReader(
       new FileInputStream( "/path/to/file" ),
       "UTF-8" // most likely that the encoding of the file
   )

如果没有提示，它将使用您的平台默认编码，在许多情况下，这不是您想要的。

此链接对编码有一个很好的解释： http ： //www.joelonsoftware.com/articles/Unicode.html