java - 在 Java 中如何读取特定字符之前的字符？

Question

我想从文件中读取几个单词。我没有找到任何方法来执行此操作，所以我决定读取 char by char，但我需要在空格处停止以将读取的单词存储在我的数组中并转到下一个。

我正在做一个外部排序应用程序，这就是我有内存限制的原因，在这种情况下，我不能只使用 readLine() 然后使用 split() ，我需要控制我阅读的内容。

read() 方法返回一个 int 我不知道我能对 read() 方法做什么返回一个 < strong>char 并在空格后停止阅读。

到目前为止，这是我的代码:

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;
}

编辑 1: 我使用了 Scanner 和 next() 方法，它起作用了。 Scanner 的初始化在 Main 中。

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

也许这会有所帮助。

使用read()没问题。只需将结果转换为一个字符:

...
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
      }
}
...

该方法返回读取的字符，作为 0 到 65535 范围内的整数，如果已到达流的末尾，则返回 -1。

我不会添加很多关于编码的理论，它是如何在 Java 中完成的等等，因为我不知道一些非常底层的细节。我对它的工作原理有一个基本的高级理解。

键盘上的每个键都有一个与之关联的数字。您键入的每个字符都可以转换为十进制数。例如，A 变成数字 65。这是一个标准，在全局范围内得到认可。

在这一点上，我希望你能同意 read() 方法返回一个数字而不是实际字符并不奇怪 :)

有一种叫做 ASCII 表的东西，它表示键盘上所有键的所有代码(数字)。

这里只是为了展示ot的样子:

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，假设您有一个包含一些文本的 .txt 文件 - 所有字母都有相应的数字。

ASCII 的问题是 ASCII 定义了 128 个字符，映射到数字 0-127(所有大写字母、小写字母、0-9 数字和更多符号)。

但是世界上有更多不同的字符/符号(不同的字母表、表情符号等)，因此必须有另一种编码系统来表示它们。

它被称为 Unicode。对于代码为 0-127 的字符，Unicode 完全一样。但总的来说，Unicode 可以表示范围更广的符号。

在 Java 中，char 数据类型(以及 Character 对象封装的值)基于原始的 Unicode 规范，该规范将字符定义为固定宽度16 位实体。您可以在此 javadoc 中查看更多详细信息.换句话说，Java 中的所有字符串都以 UTF-16 表示。

希望，在这个长篇故事之后，为什么您在读取时得到数字是有道理的，但是您可以将它们转换为 char 类型。同样，这只是一种高级概述。快乐编码:)