java - Java中的字符编码

Question

我用记事本打开文件，在那里写:“±”保存并关闭。

我尝试用两种方式读取这个文件

首先:

        InputStream inputStream = Files.newInputStream(Paths.get("file.txt"));
        int result = inputStream.read();
        System.out.println(result);
        System.out.println((char) result);

196 Ä

第二个:

        InputStream inputStream = Files.newInputStream(Paths.get("file.txt"));
        Reader reader = new InputStreamReader(inputStream);
        int result = reader.read();
        System.out.println(result);
        System.out.println((char) result);

261 ą

问题:1)在二进制模式下，这个字母存为196？为什么不是 261？2)这个字母在什么编码下保存为196？

我试图理解为什么会有差异

Answer 1

UTF-8 编码范围为 U+0080 的值- U+07FF作为 110xxxxx 形式的两个字节10xxxxxx (更多信息请参见 wiki)。所以只有xxxxx xxxxxx 11 个字节可用于值。

ą是indexed as U+0105其中 0105是十六进制值(十进制为 261 )。作为二进制，它可以表示为

      01       05    (hex)
00000001 00000101    (bin)
     xxx xxxxxxxx <- values for U+0080 - U+07FF range encode only those bits

     001 00000101 <- which means `x` will be replaced by only this part 

所以UTF-8编码会加上110xxxxx 10xxxxxx mask 这意味着它将结合

110xxxxx 10xxxxxx
   00100   000101

进入(两个字节):

11000100 10000101

现在，InputStream以原始字节的形式读取数据。所以当你调用inputStream.read();你第一次得到 11000100这是196十进制。打电话inputStream.read();第二次会返回 10000101这是133十进制。

Reader s ware 在 Java 1.1 中引入，因此我们可以避免代码中的这种困惑。相反，我们可以指定 Reader 应该使用什么编码(或让它使用默认编码)来获得正确编码的值，如本例中的 00000001 00000101 (不带掩码)等于 0105十六进制形式和261以十进制形式。

---

简而言之

• 使用Reader s(使用正确指定的编码)如果您想将数据读取为文本，
• 使用Stream s 如果您想以原始字节的形式读取数据。