- 之前一直记着一个汉字是占两个字节,今天发现不是这样的,utf-8编码一个汉字是3个字节,以下为代码证明(GBK是一个汉字两个字节,这个没做实验)
1 RandomAccessFile ra = new RandomAccessFile("F:\text.txt", "rw"); 2 FileChannel fc = ra.getChannel(); 3 ByteBuffer bb = ByteBuffer.allocate(6); 4 String encoding = System.getProperty("file.encoding"); 5 fc.read(bb); 6 bb.flip(); 7 System.out.println("decode using " + encoding + ":" + Charset.forName(encoding).decode(bb) + " position当前位置:" 8 + bb.position() + " limit:" + bb.limit() + " capa:" + bb.capacity());
打印结果: decode using UTF-8:中文 position当前位置:6 limit:6 capa:6由此可以看出一个中文的utf-8编码为3字节,如果不使用decode方法,bb.getChar()方法得到的是乱码,decode的方法针对的是缓冲器,无法 对其中的部分字节decode
- ByteBuffer的get()方法会使position后移一位,但指定索引时即get(i),position位置不变
- 从下面程序可以看出get()一次取得一个字节,那么,但char类型不应该是两个字节吗,应该一次取得两个字节才对,我看到网上也有人对此有误解
-
System.out.println((char)bb.get() + " position当前位置:" + bb.position() +" limit:"+ bb.limit() + " capa:" + bb.capacity()); 打印结果 : a position当前位置:1 limit:3 capa:6
实际上取得是一个字节没错,但这里是类型转换 ,把byte转换为char,空位以0补齐,所以得到的结果是a, 一个字节表示范围从-128到127,a的对应数字是97,所以一个字节完全可以表示,但char的类型确实是两个字节,但从文件中读取的是byte,并不是按照char类型来读取,只是后来强制转换了