【Java NIO的深入研究5】字符集Charset

    Java 语言被定义为基于Unicode。一个字符实体由二个字节表示（如果是用UCS-2）。但众多文件和数据流都是基于其它字符编码并以byte传输，操作文件内容就成了一个问题。

    操作一个文件首先要对文件内容进行解码，文件内容是二进制数据（也可以认为是字节流），我们要把内容解码为JAVA可以理解的一个个字符（Unicode）。

    修改完成后还要按输出编码把文件内容编码成对应的二进制内容，再输出到对应地点。

    读取文件内容后要用CharBuffer做decode,才能获取字符内容CharBuffer。

    在写文件之前要用CharsetEncoder做encode,才能获取对应字符编码的二进制内容ByteBuffer。

     

    现在我们将分析这个例子程序 UseCharsets.java。这个程序非常简单 ― 它从一个文件中读取一些文本，并将该文本写入另一个文件。但是它把该数据当作文本数据，并使用 CharBuffer 来将该数句读入一个 CharsetDecoder 中。同样，它使用 CharsetEncoder 来写回该数据。

示例程序

在打开相应的文件、将输入数据读入名为 inputData 的 ByteBuffer 之后，我们的程序必须创建 ISO-8859-1 (Latin1) 字符集的一个实例：

Charset latin1 = Charset.forName( "ISO-8859-1" );

然后，创建一个解码器（用于读取）和一个编码器 （用于写入）：

CharsetDecoder decoder = latin1.newDecoder();
CharsetEncoder encoder = latin1.newEncoder();

为了将字节数据解码为一组字符，我们把 ByteBuffer 传递给 CharsetDecoder，结果得到一个 CharBuffer：

CharBuffer cb = decoder.decode( inputData );

如果想要处理字符，我们可以在程序的此处进行。但是我们只想无改变地将它写回，所以没有什么要做的。

要写回数据，我们必须使用 CharsetEncoder 将它转换回字节：

ByteBuffer outputData = encoder.encode( cb );

在转换完成之后，我们就可以将数据写到文件中了。

处理文本的正确方式

我们将假设字符以 ISO-8859-1(Latin1) 字符集（这是 ASCII 的标准扩展）的形式储存在磁盘上。尽管我们必须为使用 Unicode 做好准备，但是也必须认识到不同的文件是以不同的格式储存的，而 ASCII 无疑是非常普遍的一种格式。事实上，每种 Java 实现都要求对以下字符编码提供完全的支持：

• US-ASCII
• ISO-8859-1
• UTF-8
• UTF-16BE
• UTF-16LE
• UTF-16

public class UseCharsets
{
  static public void main( String args[] ) throws Exception {
    String inputFile = "samplein.txt";
    String outputFile = "sampleout.txt";

    RandomAccessFile inf = new RandomAccessFile( inputFile, "r" );
    RandomAccessFile outf = new RandomAccessFile( outputFile, "rw" );
    long inputLength = new File( inputFile ).length();

    FileChannel inc = inf.getChannel();
    FileChannel outc = outf.getChannel();

    MappedByteBuffer inputData =
      inc.map( FileChannel.MapMode.READ_ONLY, 0, inputLength );
    //创建 ISO-8859-1 (Latin1) 字符集的一个实例
    
Charset latin1 = Charset.forName( "ISO-8859-1" );

   //创建一个解码器（用于读取）和一个编码器 （用于写入）
    CharsetDecoder decoder = latin1.newDecoder();
    CharsetEncoder encoder = latin1.newEncoder();
 
  //为了将字节数据解码为一组字符，我们把 ByteBuffer 传递给   CharsetDecoder，结果得到一个 CharBuffer
    CharBuffer cb = decoder.decode( inputData );

    // Process char data here
   //写回数据，我们必须使用 CharsetEncoder 将它转换回字节：
    ByteBuffer outputData = encoder.encode( cb );

    outc.write( outputData );

    inf.close();
    outf.close();
  }
}

原文件samplein.txt的内容如下：

运行结果：将一个文件中读取一些文本，并将该文本写入另一个文件