how2j.cn

本视频是解读性视频,所以希望您已经看过了本知识点的内容,并且编写了相应的代码之后,带着疑问来观看,这样收获才多。 不建议一开始就观看视频



42分55秒
本视频采用html5方式播放,如无法正常播放,请将浏览器升级至最新版本,推荐火狐,chrome,360浏览器。 如果装有迅雷,播放视频呈现直接下载状态,请调整 迅雷系统设置-基本设置-启动-监视全部浏览器 (去掉这个选项)。 chrome 的 视频下载插件会影响播放,如 IDM 等,请关闭或者切换其他浏览器



步骤 1 : 编码概念   
步骤 2 : 常见编码   
步骤 3 : UNICODE和UTF   
步骤 4 : Java采用的是Unicode   
步骤 5 : 一个汉字使用不同编码方式的表现   
步骤 6 : 文件的编码方式-记事本   
步骤 7 : 文件的编码方式-eclipse   
步骤 8 : 用FileInputStream 字节流正确读取中文   
步骤 9 : 用FileReader 字符流正确读取中文   
步骤 10 : 练习-数字对应的中文   
步骤 11 : 答案-数字对应的中文   
步骤 12 : 练习-移除BOM   
步骤 13 : 答案-移除BOM   

计算机存放数据只能存放数字,所有的字符都会被转换为不同的数字。
就像一个棋盘一样,不同的字,处于不同的位置,而不同的位置,有不同的数字编号。
有的棋盘很小,只能放数字和英文
有的大一点,还能放中文
有的“足够”大,能够放下世界人民所使用的所有文字和符号

如图所示,英文字符 A 能够放在所有的棋盘里,而且位置都差不多
中文字符, 中文字符 能够放在后两种棋盘里,并且位置不一样,而且在小的那个棋盘里,就放不下中文
编码概念
工作后经常接触的编码方式有如下几种:
ISO-8859-1 ASCII 数字和西欧字母
GBK GB2312 BIG5 中文
UNICODE (统一码,万国码)

其中
ISO-8859-1 包含 ASCII
GB2312 是简体中文,BIG5是繁体中文,GBK同时包含简体和繁体以及日文。
UNICODE 包括了所有的文字,无论中文,英文,藏文,法文,世界所有的文字都包含其中
根据前面的学习,我们了解到不同的编码方式对应不同的棋盘,而UNICODE因为要存放所有的数据,那么它的棋盘是最大的。
不仅如此,棋盘里每个数字都是很长的(4个字节),因为不仅要表示字母,还要表示汉字等。

如果完全按照UNICODE的方式来存储数据,就会有很大的浪费。
比如在ISO-8859-1中,a 字符对应的数字是0x61
而UNICODE中对应的数字是 0x00000061,倘若一篇文章大部分都是英文字母,那么按照UNICODE的方式进行数据保存就会消耗很多空间

在这种情况下,就出现了UNICODE的各种减肥子编码, 比如UTF-8对数字和字母就使用一个字节,而对汉字就使用3个字节,从而达到了减肥还能保证健康的效果

UTF-8,UTF-16和UTF-32 针对不同类型的数据有不同的减肥效果,一般说来UTF-8是比较常用的方式

UTF-8,UTF-16和UTF-32 彼此的区别在此不作赘述,有兴趣的可以参考 unicode-百度百科
UNICODE和UTF
步骤 4 :

Java采用的是Unicode

edit
写在.java源代码中的汉字,在执行之后,都会变成JVM中的字符。
而这些中文字符采用的编码方式,都是使用UNICODE. "中"字对应的UNICODE是4E2D,所以在内存中,实际保存的数据就是十六进制的0x4E2D, 也就是十进制的20013。
package stream; public class TestStream { public static void main(String[] args) { String str = "中"; } }
package stream;

public class TestStream {
	public static void main(String[] args) {
		String str = "中";
	}
}
步骤 5 :

一个汉字使用不同编码方式的表现

edit
以字符 为例,查看其在不同编码方式下的值是多少

也即在不同的棋盘上的位置
一个汉字使用不同编码方式的表现
package stream; import java.io.UnsupportedEncodingException; public class TestStream { public static void main(String[] args) { String str = "中"; showCode(str); } private static void showCode(String str) { String[] encodes = { "BIG5", "GBK", "GB2312", "UTF-8", "UTF-16", "UTF-32" }; for (String encode : encodes) { showCode(str, encode); } } private static void showCode(String str, String encode) { try { System.out.printf("字符: \"%s\" 的在编码方式%s下的十六进制值是%n", str, encode); byte[] bs = str.getBytes(encode); for (byte b : bs) { int i = b&0xff; System.out.print(Integer.toHexString(i) + "\t"); } System.out.println(); System.out.println(); } catch (UnsupportedEncodingException e) { System.out.printf("UnsupportedEncodingException: %s编码方式无法解析字符%s\n", encode, str); } } }
步骤 6 :

文件的编码方式-记事本

edit
接下来讲,字符在文件中的保存
字符保存在文件中肯定也是以数字形式保存的,即对应在不同的棋盘上的不同的数字
记事本打开任意文本文件,并且另存为,就能够在编码这里看到一个下拉。
ANSI 这个不是ASCII的意思,而是采用本地编码的意思。如果你是中文的操作系统,就会使GBK,如果是英文的就会是ISO-8859-1
Unicode UNICODE原生的编码方式
Unicode big endian 另一个 UNICODE编码方式
UTF-8 最常见的UTF-8编码方式,数字和字母用一个字节, 汉字用3个字节。
文件的编码方式-记事本
步骤 7 :

文件的编码方式-eclipse

edit
eclipse也有类似的编码方式,右键任意文本文件,点击最下面的"property"
就可以看到Text file encoding
也有ISO-8859-1,GBK,UTF-8等等选项。
其他的US-ASCII,UTF-16,UTF-16BE,UTF-16LE不常用。
文件的编码方式-eclipse
步骤 8 :

用FileInputStream 字节流正确读取中文

edit
为了能够正确的读取中文内容
1. 必须了解文本是以哪种编码方式保存字符的
2. 使用字节流读取了文本后,再使用对应的编码方式去识别这些数字,得到正确的字符
如本例,一个文件中的内容是字符,编码方式是GBK,那么读出来的数据一定是D6D0。
再使用GBK编码方式识别D6D0,就能正确的得到字符

注: 在GBK的棋盘上找到的字后,JVM会自动找到在UNICODE这个棋盘上对应的数字,并且以UNICODE上的数字保存在内存中
用FileInputStream 字节流正确读取中文
package stream; import java.io.File; import java.io.FileInputStream; import java.io.IOException; public class TestStream { public static void main(String[] args) { File f = new File("E:\\project\\j2se\\src\\test.txt"); try (FileInputStream fis = new FileInputStream(f);) { byte[] all = new byte[(int) f.length()]; fis.read(all); //文件中读出来的数据是 System.out.println("文件中读出来的数据是:"); for (byte b : all) { int i = b&0x000000ff; //只取16进制的后两位 System.out.println(Integer.toHexString(i)); } System.out.println("把这个数字,放在GBK的棋盘上去:"); String str = new String(all,"GBK"); System.out.println(str); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } }
步骤 9 :

用FileReader 字符流正确读取中文

edit
FileReader得到的是字符,所以一定是已经把字节根据某种编码识别成了字符
而FileReader使用的编码方式是Charset.defaultCharset()的返回值,如果是中文的操作系统,就是GBK
FileReader是不能手动设置编码方式的,为了使用其他的编码方式,只能使用InputStreamReader来代替,像这样:

new InputStreamReader(new FileInputStream(f),Charset.forName("UTF-8"));

在本例中,用记事本另存为UTF-8格式,然后用UTF-8就能识别对应的中文了。

解释: 为什么中字前面有一个?
如果是使用记事本另存为UTF-8的格式,那么在第一个字节有一个标示符,叫做BOM用来标志这个文件是用UTF-8来编码的。
用FileReader 字符流正确读取中文
package stream; import java.io.File; import java.io.FileInputStream; import java.io.FileNotFoundException; import java.io.FileReader; import java.io.IOException; import java.io.InputStreamReader; import java.io.UnsupportedEncodingException; import java.nio.charset.Charset; public class TestStream { public static void main(String[] args) throws UnsupportedEncodingException, FileNotFoundException { File f = new File("E:\\project\\j2se\\src\\test.txt"); System.out.println("默认编码方式:"+Charset.defaultCharset()); //FileReader得到的是字符,所以一定是已经把字节根据某种编码识别成了字符了 //而FileReader使用的编码方式是Charset.defaultCharset()的返回值,如果是中文的操作系统,就是GBK try (FileReader fr = new FileReader(f)) { char[] cs = new char[(int) f.length()]; fr.read(cs); System.out.printf("FileReader会使用默认的编码方式%s,识别出来的字符是:%n",Charset.defaultCharset()); System.out.println(new String(cs)); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } //FileReader是不能手动设置编码方式的,为了使用其他的编码方式,只能使用InputStreamReader来代替 //并且使用new InputStreamReader(new FileInputStream(f),Charset.forName("UTF-8")); 这样的形式 try (InputStreamReader isr = new InputStreamReader(new FileInputStream(f),Charset.forName("UTF-8"))) { char[] cs = new char[(int) f.length()]; isr.read(cs); System.out.printf("InputStreamReader 指定编码方式UTF-8,识别出来的字符是:%n"); System.out.println(new String(cs)); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } }
步骤 10 :

练习-数字对应的中文

edit  姿势不对,事倍功半! 点击查看做练习的正确姿势
找出 E5 B1 8C 这3个十六进制对应UTF-8编码的汉字
步骤 11 :

答案-数字对应的中文

edit
在查看答案前,尽量先自己完成,碰到问题再来查看答案,收获会更多
在查看答案前,尽量先自己完成,碰到问题再来查看答案,收获会更多
在查看答案前,尽量先自己完成,碰到问题再来查看答案,收获会更多
查看本答案会花费4个积分,您目前总共有点积分。查看相同答案不会花费额外积分。 积分增加办法 或者一次性购买JAVA 中级总计0个答案 (总共需要0积分)
查看本答案会花费4个积分,您目前总共有点积分。查看相同答案不会花费额外积分。 积分增加办法 或者一次性购买JAVA 中级总计0个答案 (总共需要0积分)
账号未激活 账号未激活,功能受限。 请点击激活
本视频是解读性视频,所以希望您已经看过了本答案的内容,带着疑问来观看,这样收获才多。 不建议一开始就观看视频

1分10秒 本视频采用html5方式播放,如无法正常播放,请将浏览器升级至最新版本,推荐火狐,chrome,360浏览器。 如果装有迅雷,播放视频呈现直接下载状态,请调整 迅雷系统设置-基本设置-启动-监视全部浏览器 (去掉这个选项)。 chrome 的 视频下载插件会影响播放,如 IDM 等,请关闭或者切换其他浏览器


答案-数字对应的中文
package stream; import java.io.UnsupportedEncodingException; public class TestStream { public static void main(String[] args) throws UnsupportedEncodingException { // 找出 E5 B1 8C 这3个十六进制对应UTF-8编码的汉字 byte[] bs = new byte[3]; bs[0] = (byte) 0xE5; bs[1] = (byte) 0xB1; bs[2] = (byte) 0x8C; String str =new String(bs,"UTF-8"); System.out.println("E5 B1 8C 对应的字符是:"+str); } }
package stream;

import java.io.UnsupportedEncodingException;

public class TestStream {
	public static void main(String[] args) throws UnsupportedEncodingException {
//		找出 E5 B1 8C 这3个十六进制对应UTF-8编码的汉字 
		byte[] bs = new byte[3];
		bs[0] = (byte) 0xE5;
		bs[1] = (byte) 0xB1;
		bs[2] = (byte) 0x8C;
		
		String str  =new String(bs,"UTF-8");
		System.out.println("E5 B1 8C 对应的字符是:"+str);
	}
}
步骤 12 :

练习-移除BOM

edit  姿势不对,事倍功半! 点击查看做练习的正确姿势
如果用记事本根据UTF-8编码保存汉字就会在最前面生成一段标示符,这个标示符用于表示该文件是使用UTF-8编码的。

找出这段标示符对应的十六进制,并且开发一个方法,自动去除这段标示符
步骤 13 :

答案-移除BOM

edit
在查看答案前,尽量先自己完成,碰到问题再来查看答案,收获会更多
在查看答案前,尽量先自己完成,碰到问题再来查看答案,收获会更多
在查看答案前,尽量先自己完成,碰到问题再来查看答案,收获会更多
查看本答案会花费5个积分,您目前总共有点积分。查看相同答案不会花费额外积分。 积分增加办法 或者一次性购买JAVA 中级总计0个答案 (总共需要0积分)
查看本答案会花费5个积分,您目前总共有点积分。查看相同答案不会花费额外积分。 积分增加办法 或者一次性购买JAVA 中级总计0个答案 (总共需要0积分)
账号未激活 账号未激活,功能受限。 请点击激活
本视频是解读性视频,所以希望您已经看过了本答案的内容,带着疑问来观看,这样收获才多。 不建议一开始就观看视频

8分57秒 本视频采用html5方式播放,如无法正常播放,请将浏览器升级至最新版本,推荐火狐,chrome,360浏览器。 如果装有迅雷,播放视频呈现直接下载状态,请调整 迅雷系统设置-基本设置-启动-监视全部浏览器 (去掉这个选项)。 chrome 的 视频下载插件会影响播放,如 IDM 等,请关闭或者切换其他浏览器


答案-移除BOM
package stream; import java.io.File; import java.io.FileInputStream; import java.io.IOException; import java.util.Arrays; public class TestStream { public static void main(String[] args) { File f = new File("E:\\project\\j2se\\src\\test.txt"); try (FileInputStream fis = new FileInputStream(f);) { byte[] all = new byte[(int) f.length()]; fis.read(all); System.out.println("首先确认按照UTF-8识别出来有?"); String str = new String(all,"UTF-8"); System.out.println(str); System.out.println("根据前面的所学,知道'中'字对应的UTF-8编码是:e4 b8 ad"); System.out.println("打印出文件里所有的数据的16进制是:"); for (byte b : all) { int i = b&0xff; System.out.print(Integer.toHexString(i)+ " "); } System.out.println(); System.out.println("通过观察法得出 UTF-8的 BOM 是 ef bb bf"); byte[] bom = new byte[3]; bom[0] = (byte) 0xef; bom[1] = (byte) 0xbb; bom[2] = (byte) 0xbf; byte[] fileContentWithoutBOM= removeBom(all,bom); System.out.println("去掉了BOM之后的数据的16进制是:"); for (byte b : fileContentWithoutBOM) { int i = b&0xff; System.out.print(Integer.toHexString(i)+ " "); } System.out.println(); System.out.println("对应的字符串就没有问号了:"); String strWithoutBOM=new String(fileContentWithoutBOM,"UTF-8"); System.out.println(strWithoutBOM); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } private static byte[] removeBom(byte[] all, byte[] bom) { return Arrays.copyOfRange(all, bom.length, all.length); } }


HOW2J公众号,关注后实时获知最新的教程和优惠活动,谢谢。


问答区域    
2024-07-06 纠正UTF-8编码出现的标识符和冗余的空白符
虚心求学




win10系统下的记事本,包含了“带BOM的UTF-8" 和 普通的“UTF-8” 两种编码形式, 测试:经过测试,使用普通的“UTF-8” 编码形式,再使用java读取不会出现 “?” 这类的标示符,但是打印的时候会出现□□□□这样的方格。 原因:由于读取文件之前,我们初始化的数组使用 file.length()计算的,实际上并不需要这么多的内存。 解释:因为length是按字节计算的,而char[]是按字符计算的,一个中文字符不一定占用一个字节,在UTF-8编码中,中文一个字符占3个字节, 因此根据和文件的字节数来初始化char数组并不合理,会有冗余,至少一个中文字符的length(=3)就大于实际需要的数组长度(=1)。 解决:打印的时候,可以通过获取数组中每个元素的16进制值,如果为0就表示□□□□这样的方格,剔除就行了,这样子比较麻烦。更好地方法是, 读取文件之前不再提取初始化数组长度,而是结合StringBuffer和数组这样的缓存来动态拓展内存,需要多少内存就拓展多少内存。
加载中
	public static void main(String[] args) throws UnsupportedEncodingException {
		File file = new File("E:/Folder/testChinese.txt");
		
		//1.测试常规的FileReader使用默认编码读取的结果
		try (FileReader fiStreams = new FileReader(file)) {
			
			char[] cs = new char[(int) file.length()];
			//读取文件内容
			fiStreams.read(cs);
			//打印结果
			System.out.println(String.format("FileReader使用默认编码:%s,读取结果为:%n%s", Charset.defaultCharset(),new String(cs)));
			
			//2.测试InputStreamReader使用UTF-8编码读取的结果
			try (InputStreamReader inputStreamReader = new InputStreamReader(new FileInputStream(file),
					StandardCharsets.UTF_8)) {
				
				cs = new char[(int) file.length()];
				//读取文件内容
				inputStreamReader.read(cs);
				//打印结果
				System.out.println("\r\nInputStreamReader使用UTF-8编码,读取结果为:");
				printArr(cs);
				
				//3.纠正UTF-8编码出现的标识符和冗余的空白符
				String res = corretUTF8(cs);
				//打印结果
				System.out.println("\r\n带BOM的UTF-8纠正结果为:");
				System.out.println(res);
			} catch (Exception e) {
			}
		} catch (Exception e) {
		}
	}

	/*纠正UTF-8编码出现的BOM标识符,以及冗余的空字符
	 * */
	public static String corretUTF8(char[]cs)
	{
		StringBuffer sBuffer = new StringBuffer();
		for (char c : cs) {
			String hex = Integer.toHexString((int)c).toUpperCase();
			if(hex.equals("FEFF"))//跳过UTF-8的BOM标示符
				continue;
			if(hex.equals("0"))continue;//跳过冗余的空字符
			sBuffer.append(c);
		}
		return sBuffer.toString();
	}

							


1 个答案

13457882007
答案时间:2024-09-15
对,吗的,搞半天,发现可以自己选择utf-8或者utf-8 BOM,不选utf-8 bom编码保存压根不会有那个标志



回答已经提交成功,正在审核。 请于 我的回答 处查看回答记录,谢谢
答案 或者 代码至少填写一项, 如果是自己有问题,请重新提问,否则站长有可能看不到





2022-08-01 26行什么意思,b&0Xff是干啥的
达拉崩吧班德贝迪布鲁翁

这里第26行i = b&0xff是干什么的啊




1 个答案

lishijing123456
答案时间:2022-08-08
https://blog.csdn.net/zhaowei5210/article/details/70920711



回答已经提交成功,正在审核。 请于 我的回答 处查看回答记录,谢谢
答案 或者 代码至少填写一项, 如果是自己有问题,请重新提问,否则站长有可能看不到




2021-10-25 为什么中文后面会有多余的字符?
2021-06-06 练习-移除BOM
2021-06-06 练习-数字对应的中文


提问太多,页面渲染太慢,为了加快渲染速度,本页最多只显示几条提问。还有 62 条以前的提问,请 点击查看

提问之前请登陆
提问已经提交成功,正在审核。 请于 我的提问 处查看提问记录,谢谢
关于 JAVA 中级-I/O-中文问题 的提问

尽量提供截图代码异常信息,有助于分析和解决问题。 也可进本站QQ群交流: 578362961
提问尽量提供完整的代码,环境描述,越是有利于问题的重现,您的问题越能更快得到解答。
对教程中代码有疑问,请提供是哪个步骤,哪一行有疑问,这样便于快速定位问题,提高问题得到解答的速度
在已经存在的几千个提问里,有相当大的比例,是因为使用了和站长不同版本的开发环境导致的,比如 jdk, eclpise, idea, mysql,tomcat 等等软件的版本不一致。
请使用和站长一样的版本,可以节约自己大量的学习时间。 站长把教学中用的软件版本整理了,都统一放在了这里, 方便大家下载: https://how2j.cn/k/helloworld/helloworld-version/1718.html

上传截图