小师妹学 JavaIO 之: 文件编码和字符集 Unicode

用户头像
程序那些事
关注
发布于: 2020 年 06 月 09 日
小师妹学JavaIO之:文件编码和字符集Unicode

简介

小师妹一时兴起,使用了一项从来都没用过的新技能,没想却出现了一个无法解决的问题。把大象装进冰箱到底有几步?乱码的问题又是怎么解决的?快来跟F师兄一起看看吧。



使用Properties读取文件

这天,小师妹心情很愉悦,吹着口哨唱着歌,标准的45度俯视让人好不自在。



小师妹呀,什么事情这么高兴,说出来让师兄也沾点喜庆?



小师妹:F师兄,最新我发现了一种新型的读取文件的方法,很好用的,就跟map一样:



public void usePropertiesFile() throws IOException {
Properties configProp = new Properties();
InputStream in = this.getClass().getClassLoader().getResourceAsStream("www.flydean.com.properties");
configProp.load(in);
log.info(configProp.getProperty("name"));
configProp.setProperty("name", "www.flydean.com");
log.info(configProp.getProperty("name"));
}




F师兄你看,我使用了Properties来读取文件,文件里面的内容是key=value形式的,在做配置文件使用的时候非常恰当。我是从Spring项目中的properties配置文件中得到的灵感,才发现原来java还有一个专门读取属性文件的类Properties。



小师妹现在都会抢答了,果然青出于蓝。



乱码初现

小师妹你做得非常好,就这样触类旁通,很快java就要尽归你手了,后面的什么scala,go,JS等估计也统统不在话下。再过几年你就可以升任架构师,公司技术在你的带领之下一定会蒸蒸日上。



做为师兄,最大的责任就是给小师妹以鼓励和信心,给她描绘美好的未来,什么出任CEO,赢取高富帅等全都不在话下。听说有个专业的词汇来描述这个过程叫做:画饼。



小师妹有点心虚:可是F师兄,我还有点小小的问题没有解决,有点中文的小小乱码….



我深有体会的点点头:马赛克是阻碍人类进步的绊脚石…哦,不是马赛克,是文件乱码,要想弄清楚这个问题,还要从那个字符集和文件编码讲起。



字符集和文件编码

在很久很久以前,师兄我都还没有出生的时候,西方世界出现了一种叫做计算机的高科技产品。



初代计算机只能做些简单的算数运算,还要使用人工打孔的程序才能运行,不过随着时间的推移,计算机的体积越来越小,计算能力越来越强,打孔已经不存在了,编程了人工编写的计算机语言。



一切都在变化,唯有一件事情没有变化。这件事件就是计算机和编程语言只流传在西方。而西方日常交流使用26个字母加有限的标点符号就够了。



最初的计算机存储可以是非常昂贵的,我们用一个字节也就是8bit来存储所有能够用到的字符,除了最开始的1bit不用以外,总共有128中选择,装26个小写+26个大写字母和其他的一些标点符号之类的完全够用了。



这就是最初的ASCII编码,也叫做美国信息交换标准代码(American Standard Code for Information Interchange)。



后面计算机传到了全球,人们才发现好像之前的ASCII编码不够用了,比如中文中常用的汉字就有4千多个,怎么办呢?



没关系,将ASCII编码本地化,叫做ANSI编码。1个字节不够用就用2个字节嘛,路是人走出来的,编码也是为人来服务的。于是产生了各种如GB2312, BIG5, JIS等各自的编码标准。这些编码虽然与ASCII编码但是相互之间缺并不兼容。



这严重的影响了国际化的进程,这样还怎么去实现同一个地球,同一片家园的梦想?



于是国际组织出手了,制定了UNICODE字符集,为所有语言的所有字符都定义了一个唯一的编码,unicode的字符集是从U+0000到U+10FFFF这么多个编码。



小师妹:F师兄,那么unicode和我平时听说的UTF-8,UTF-16,UTF-32有什么关系呢?



我笑着问小师妹:小师妹,把大象装进冰箱有几步?



小师妹:F师兄,脑筋急转弯的故事,已经不适合我了,大象装进冰箱有三步,第一打开冰箱,第二把大象装进去,第三关上冰箱,完事了。



小师妹呀,作为一个有文化的中国人,要真正的承担起民族复兴,科技进步的大任,你的想法是很错误的,不能光想口号,要有实际的可操作性的方案才行,要不然我们什么时候才能够打造秦芯,唐芯和明芯呢?



师兄说的对,可是这跟unicode有什么关系呢?



unicode字符集最后是要存储到文件或者内存里面的,那怎么存呢?使用固定的1个字节,2个字节还是用边长的字节呢?根据编码方式的不同,可以分为UTF-8,UTF-16,UTF-32等多种编码方式。



其中UTF-8是一种变长的编码方案,它使用1-6个字节来存储。UTF-16使用2个或者4个字节来存储,JDK9之后的String的底层编码方式变成了两种:LATIN1和UTF16。



而UTF-32是使用4个字节来存储。这三种编码方式中,只有UTF-8是兼容ASCII的,这也是为什么国际上UTF-8编码方式比较通用的原因(毕竟计算机技术都是西方人搞出来的)。



解决Properties中的乱码

小师妹,要解决你Properties中的乱码问题很简单,Reader基本上都有一个Charsets的参数,通过这个参数可以传入要读取的编码方式,我们把UTF-8传进去就行了:



public void usePropertiesWithUTF8() throws IOException{
Properties configProp = new Properties();
InputStream in = this.getClass().getClassLoader().getResourceAsStream("www.flydean.com.properties");
InputStreamReader inputStreamReader= new InputStreamReader(in, StandardCharsets.UTF_8);
configProp.load(inputStreamReader);
log.info(configProp.getProperty("name"));
configProp.setProperty("name", "www.flydean.com");
log.info(configProp.getProperty("name"));
}




上面的代码中,我们使用InputStreamReader封装了InputStream,最终解决了中文乱码的问题。



真.终极解决办法

小师妹又有问题了:F师兄,这样做是因为我们知道文件的编码方式是UTF-8,如果不知道该怎么办呢?是选UTF-8,UTF-16还是UTF-32呢?



小师妹问的问题越来越刁钻了,还好这个问题我也有准备。



接下来介绍我们的终极解决办法,我们将各种编码的字符最后都转换成unicode字符集存到properties文件中,再读取的时候是不是就没有编码的问题了?



转换需要用到JDK自带的工具:



native2ascii -encoding utf-8 file/src/main/resources/www.flydean.com.properties.utf8 file/src/main/resources/www.flydean.com.properties.cn




上面的命令将utf-8的编码转成了unicode。



转换前:



site=www.flydean.com
name=程序那些事




转换后:



site=www.flydean.com
name=\u7a0b\u5e8f\u90a3\u4e9b\u4e8b




再运行下测试代码:



public void usePropertiesFileWithTransfer() throws IOException {
Properties configProp = new Properties();
InputStream in = this.getClass().getClassLoader().getResourceAsStream("www.flydean.com.properties.cn");
configProp.load(in);
log.info(configProp.getProperty("name"));
configProp.setProperty("name", "www.flydean.com");
log.info(configProp.getProperty("name"));
}




输出正确的结果。



如果要做国际化支持,也是这样做的。



总结

千辛万苦终于解决了小师妹的问题,F师兄要休息一下。



本文的例子https://github.com/ddean2009/learn-java-io-nio



本文作者:flydean程序那些事

本文链接:http://www.flydean.com/io-charsets-properties/

本文来源:flydean的博客

欢迎关注我的公众号:程序那些事,更多精彩等着您!



发布于: 2020 年 06 月 09 日 阅读数: 83
用户头像

程序那些事

关注

关注公众号:程序那些事,更多精彩等着你! 2020.06.07 加入

最通俗的解读,最深刻的干货,最简洁的教程,众多你不知道的小技巧,尽在公众号:程序那些事!

评论 (1 条评论)

发布
用户头像
优秀的小师妹!!
2020 年 06 月 09 日 07:00
回复
没有更多了
小师妹学JavaIO之:文件编码和字符集Unicode