在Java中，使用從InputStream.read（）返回的int調用Character.isXxx（）方法是否安全？

Question

讀取文本文件時，我想執行以下操作：

InputStream input = ...;
int read = input.read();
if (Character.isWhitespace(read)) {
    // do something with the whitespace
}

另一種選擇是檢查負的read()返回值（也就是輸入的結尾）並顯式轉換：

InputStream input = ...;
int read = input.read();
if (read >= 0 && Character.isWhitespace((char) read)) {
    // do something with the whitespace
}

但是，這涉及一個額外的分支和強制轉換，我希望我的代碼盡可能高效，所以我更喜歡第一種方法。

但是，我希望我的代碼更加健壯:)，而且我不確定第一種方法是否會產生細微的問題。 根據我的收集，Unicode將0xFFFF和0xFFFFFFFF都定義為非字符，因此我認為這是安全的。 但是專家怎么說？

只是為了確保，問題涉及我的方法對所有 Character.isXxx()方法是否安全，而不僅僅是Character.isWhitespace()是安全的。

Answer 1

InputStream.read()方法讀取單個8位字節 ，並將其作為32位int返回，范圍為0x00 - 0xFF ，或者在EOF上返回-1 。

接受32位int作為輸入的Character.isXXX()方法期望在0x00 - 0x10FFFF范圍內的完整Unicode代碼點 。 如果文件包含7位ASCII字符（其中字節0x00 - 0x7F映射到代碼點U+0000 - U+007F ）或ISO-8859-1（其中字節0x00 - 0xFF ），則單個字節可以按原樣表示完整的代碼點。 0x00 - 0xFF映射到代碼點U+0000 - U+00FF ）。 如果文件使用任何其他編碼，則不能保證任何給定的字節都會照原樣映射到相同值的代碼點，尤其是如果該字節大於0x7F （大多數0x7F位編碼使用相同的字節） ASCII兼容的值-並非全部！）。

所述Character.isXXX()接受一個16位的方法char作為輸入期望的范圍內的UTF-16 codeunit 0x00 - 0xFFFF 。 單個char可以按原樣保存Unicode代碼點，直到代碼點U+FFFF為止。 但是，這些方法不支持UTF-16替代，因此無法處理U+FFFF以上的Unicode代碼點（需要2個char值來表示它們）。

因此，要回答您的問題-您read()從文件中read()任何給定字節並將其原樣傳遞給Character.isXXX()方法並獲得可靠的結果嗎？ 答案是- 它取決於文件的實際編碼 。 如果文件以7位ASCII或8位ISO-8859-1編碼，則為是。 否則， 也許 ，但通常僅用於字節0x7F，因為字節0x80 - 0xFF是特定於編碼的，並且將取決於字節和Unicode代碼點之間的特定編碼映射方式（假設文件甚至使用7/8位編碼開始用）。

Answer 2

是的，這很安全。 對於0xFFFFFFFF ，所有isXxx方法都返回false。 實際上，對於0x000FFFFF所有內容都是如此，因為這些值在Unicode中未定義。 對於0xFFFF ，盡管isBmpCodePoint為true，但isBmpCodePoint相同。