如何閱讀直到Java中特定字符為止的字符？

Question

我想從文件中讀取幾句話。 我沒有找到執行此操作的任何方法，所以我決定逐個讀取char ，但是我需要停在將讀取的單詞存儲在數組中的空格處，然后轉到下一個。

我正在進行外部排序應用程序，這就是為什么我有內存限制的原因，在那種情況下，我不能只使用readLine()然后再split() ，我需要控制自己的讀物。

read()方法返回一個int ，我不知道我該怎么辦read()方法返回一個char並在空格后停止讀取。

到目前為止，這是我的代碼：

protected static String [] readWords(String arqName, int amountOfWords) throws IOException {
    FileReader arq = new FileReader(arqName);
    BufferedReader lerArq = new BufferedReader(arq);

    String[] words = new String[amountOfWords];

    for (int i = 0; i < amountOfWords; i++){
        //words[i] = lerArq.read();
    }

    return words;
}

編輯1：我使用了Scanner和next()方法，它起作用了。 掃描儀的初始化位於Main。

static String [] readWords(int amountOfWords, Scanner leitor) throws IOException {
    String[] words= new String[amountOfWords];

    for (int i = 0; i < amountOfWords; i++){
        words[i] = leitor.next();
    }

    return words;
}

Answer 1

也許這會有所幫助。

使用read()沒問題。 只需將結果轉換為字符即可：

...
for (int i = 0; i < memTam; i++) {
      // this should work. you will get the actual character
      int current = lerArq.read();
      if (current != -1) {
          char c = (char) current;
          // then you can do what you need with this character
      }
}
...

該方法返回讀取的字符，為0到65535之間的整數，如果已到達流的末尾，則返回-1。

我不會添加很多有關編碼，如何在Java中完成編碼的理論，因為我不了解一些非常底層的細節。 我對它的工作原理有基本的了解。

鍵盤上的每個鍵都有一個與之關聯的數字。 您鍵入的每個字符都可以轉換為十進制數字。 例如， A變為數字65 。 這是一個標准，已得到全球認可。

在這一點上，我希望你可以同意， read()方法返回一個數字而不是實際的字符不是很奇怪：)

有一個叫做ASCII表的東西，它代表鍵盤上所有鍵的所有那些代碼（數字）。

這只是顯示ot的外觀：

Dec  Char                           Dec  Char     Dec  Char     Dec  Char
---------                           ---------     ---------     ----------
  0  NUL (null)                      32  SPACE     64  @         96  `
  1  SOH (start of heading)          33  !         65  A         97  a
  2  STX (start of text)             34  "         66  B         98  b
  3  ETX (end of text)               35  #         67  C         99  c
  4  EOT (end of transmission)       36  $         68  D        100  d
  5  ENQ (enquiry)                   37  %         69  E        101  e
  6  ACK (acknowledge)               38  &         70  F        102  f
  7  BEL (bell)                      39  '         71  G        103  g
  8  BS  (backspace)                 40  (         72  H        104  h
  9  TAB (horizontal tab)            41  )         73  I        105  i
 10  LF  (NL line feed, new line)    42  *         74  J        106  j
 11  VT  (vertical tab)              43  +         75  K        107  k
 12  FF  (NP form feed, new page)    44  ,         76  L        108  l
 13  CR  (carriage return)           45  -         77  M        109  m
 14  SO  (shift out)                 46  .         78  N        110  n
 15  SI  (shift in)                  47  /         79  O        111  o
 16  DLE (data link escape)          48  0         80  P        112  p
 17  DC1 (device control 1)          49  1         81  Q        113  q
 18  DC2 (device control 2)          50  2         82  R        114  r
 19  DC3 (device control 3)          51  3         83  S        115  s
 20  DC4 (device control 4)          52  4         84  T        116  t
 21  NAK (negative acknowledge)      53  5         85  U        117  u
 22  SYN (synchronous idle)          54  6         86  V        118  v
 23  ETB (end of trans. block)       55  7         87  W        119  w
 24  CAN (cancel)                    56  8         88  X        120  x
 25  EM  (end of medium)             57  9         89  Y        121  y
 26  SUB (substitute)                58  :         90  Z        122  z
 27  ESC (escape)                    59  ;         91  [        123  {
 28  FS  (file separator)            60  <         92  \        124  |
 29  GS  (group separator)           61  =         93  ]        125  }
 30  RS  (record separator)          62  >         94  ^        126  ~
 31  US  (unit separator)            63  ?         95  _        127  DEL

因此，假設您有一個帶有一些文本的.txt文件-所有字母都有相應的數字。

ASCII的問題在於ASCII定義了128個字符，這些字符映射到數字0–127（所有大寫字母，小寫字母，0-9數字和更多的符號）。

但是世界上還有更多不同的字符/符號（不同的字母，表情符號等），因此必須有另一種編碼系統來表示它們。

它稱為Unicode。 對於代碼為0-127的字符，Unicode完全相同。 但是總的來說，Unicode可以代表更廣泛的符號。

在Java中， char數據類型（以及因此Character對象封裝的值）基於原始Unicode規范，該規范將字符定義為固定寬度的16位實體。 您可以在此javadoc中查看更多詳細信息。 換句話說，Java中的所有字符串都以UTF-16表示。

希望在這段漫長的故事之后，在某種意義上為什么您在閱讀時會得到數字是有道理的，但是您可以將其轉換為char類型。 同樣，這只是一種高級概述。 快樂編碼:)

Answer 2

如果您想逐個字符地讀取它（這樣您就可以更好地控制要存儲的內容和不需要的內容），可以嘗試如下操作：

import java.io.BufferedReader;
import java.io.IOException;

[...]

public static String readNextWord(BufferedReader reader) throws IOException {
    StringBuilder builder = new StringBuilder();

    int currentData;

    do {
        currentData = reader.read();

        if(currentData < 0) {
            if(builder.length() == 0) {
                return null;
            }
            else {
                return builder.toString();
            }
        }
        else if(currentData != ' ') {
            /* Since you're talking about words, here you can apply
             * a filter to ignore chars like ',', '.', '\n', etc. */

            builder.append((char) currentData);
        }

    } while (currentData != ' ' || builder.length() == 0);

    return builder.toString();
}

然后這樣稱呼它：

String[] words = new String[amountOfWordsToRead];

for (int i = 0; i < amountOfWordsToRead; i++){
    words [i] = readNextWord(yourBufferedReader);
}