java - 理解 Java InputStream 读取方法的问题

Question

假设我有一个输入流。如果我错了请纠正我，但 InputStream 中的所有数据都保存为字节，例如以下文本:“为什么不和♥一起？”现在我想知道，这个文本是如何转换为字节数组的，因为我不知道(例如)那个 ♥ 是如何保存的。如果我打电话

InputStream myInputStream = os.getInputStream();
byte[] b = new byte[1];
while ((in.read(b)) != -1) {
            System.out.write(b, 0, 1);
}

然后我的 byteArray(长度为 1)将在每个循环中填充下一个字节。

int.read(b)

返回一个整数值，稍后将其转换为字符。所以，如果我看一下 Java 文档，您会发现类似这样的内容:

Reads the next byte of data from the input stream. The value byte is returned as an int in the range 0 to 255.

我的想法是:只有 255 个不同的字符可能吗？推理一定有错误，因为我的源代码中使用了哪些字符并不重要。

那么 - 谁能帮我做这个脑筋急转弯？非常感谢。

Answer 1

将字符转换为字节(反之亦然)的过程称为“字符编码”。它可以通过许多不同的方式来完成。这些转换的规则包含在 Java 调用的 Charset 中。 . Java 支持其中的许多:ASCII、UTF_8、UTF_16、ISO_8859_1 等。可以在 StandardCharsets 中找到标准。 .

一些字符集认为字节和字符之间是一对一的映射。 ISO_8859_1(又名 latin-1)就是其中之一。但是当然有一个缺点:使用这样的字符集只能将 256 个字符编码为字节(ISO_8859_1 的西方拉丁字符)。

其他一些，如 UTF_8，每个字符使用一个、两个或更多字节，具体取决于字符。 ASCII 字符(a-b、A-B、数字等)在单个字节上编码，而其他字符(重音字母、中文、西里尔文和其他字母)使用两个或更多字节。缺点是编码和解码比较困难，但优点是巨大的:这种编码支持所有可能的 Unicode 字符。

请记住，字节和字符是两种截然不同的事物，它们之间没有一对一的映射关系。使用 InputStreamReader 读取字符，使用 OutputStreamWriter 写入字符。始终指定一个字符集:不这样做将使用您的系统的默认编码(可能与另一个系统不同)。