首页 / 操作系统 / Linux / Java 文件读取的编码问题

关于编码解码的知识背景：
内           编码 --->>     目容       <<----解码       标
编码解码跟翻译语言一样。内容是本质的东西，无论怎么编码，它所表达的内容不能变。而无论怎么编码解码，表现形式都是字节数组，它的值会随着编码解码方式的不同而不同。编码解码要做的，就是对这些byte数组进行操作，将它还原成我们需要的内容。对于一段汉字的编码解码，汉字本身就是内容文件，我们需要将他们用数字的形式表示，即编码为对应的二进制串（目标）
常见的字符集：ANSI ：ASCII字符集，以及由此派生并兼容的字符集，如：GB2312（汉字支持，GB是“国标”的缩写），对GB2312向下兼容的GBK（其中能表达的汉字数量比GB2312多），正式的名称为MBCS（Multi-Byte Chactacter System，多字节字符系统），通常也称为ANSI字符集。UNICODE：   由于每种语言都制定了自己的字符集，导致最后存在的各种字符集实在太多，在国际交流中要经常转换字符集非常不便。因此，产生了Unicode字符集，它固定使用16 bits（两个字节）来表示一个字符，共可以表示65536个字符。标准的Unicode称为UTF-16（UTF:UCS Transformation Format ，每两个字节作为一个编码单元，编码效率高。这让能够用一个字节存放的ASCII字符浪费了一个字节，不适于网络传输，多用于本地的编码）。后来为了双字节的Unicode能够在现存的处理单字节的系统上正确传输，出现了UTF-8（变长编码，有更好的鲁棒性：UTF16顺序编码，如果中间丢失一个bit位，将全盘皆输，但UTF8的编码方式中，每个单元都有一个特定几个bit位的头，这让它能抵抗这种情况），使用类似MBCS的方式对Unicode进行编码。（Unicode字符集有多种编码形式）   
--------------------------------------------------------------************正文************---------------------------------------------------
java中读取文件的解码文件以字节的形式存储在磁盘，这些数据实际上是文件的内容通过某种字符集编码后的结果，而我们读取文件后对文件的处理就是对这些数据的解码。按照java IO 的框架，Java读取文件的方式总体可以分为两类：按字节读取和按字符读取。下面依次分析。按字节读取按字节读取的层次结构是各种stream 。可以使用InputStream.read（）方法来读取字节。需要的话，可以将字节数组转换成String字符串。而编码也就隐式发生在由字节数组转换到字符串数组的过程中。

1. String str = new String（byteArray）; 

参见String构造函数的doc ， 如上的转换实际上使用的是系统的默认字符集。如果需要制定字符集解码，可以使用String（byte[] bytes, Charset charset） 构造函数。
只要能用文件的编码字符集进行解码，就不会出现乱码问题。以下为实践代码。我存储了a.txt到我的用户目录下。内容为:  biaobiaoqi编码问题

1. package biaobiaoqi.thinkingInJava;  
2.   
3. import java.io.FileInputStream;  
4. import java.io.FileNotFoundException;  
5. import java.io.IOException;  
6.   
7. public class Test {  
8.   
9.     public static void main（String[] args）{  
10.         try {  
11.             FileInputStream in = new FileInputStream（"/home/biaobiaoqi/a.txt"）;  
12.             byte[] bytes = new byte[100];  
13.             while（（in.read（bytes）） ！= -1）;  
14.               
15.             in.close（）;  
16.             String strGB2312 = new String（bytes,"GB2312"）;  
17.             String strGBK = new String（bytes,"GBK"）;  
18.             String strUTF8 = new String（bytes,"UTF-8"）;  
19.             String strUTF16 = new String（bytes,"UTF-16"）;  
20.               
21.             System.out.println（"strGB2312: "+strGB2312）;  
22.             System.out.println（"strGBK: "+strGBK）;  
23.             System.out.println（"strUTF8: "+strUTF8）;  
24.             System.out.println（"strUTF16: "+strUTF16）;  
25.               
26.         } catch （FileNotFoundException e） {  
27.             // TODO Auto-generated catch block   
28.             e.printStackTrace（）;  
29.         } catch （IOException e） {  
30.             // TODO Auto-generated catch block   
31.             e.printStackTrace（）;  
32.         }  
33.           
34.           
35.           
36.     }  
37. }  

分别用GB2312 ，GBK ，UTF8， UTF16 并用system.out.println显示，结果如下：

1. strGB2312: biaobiaoqi编码问题  
2. strGBK: biaobiaoqi编码问题  
3. strUTF8: biaobiaoqi？？？？？？？？  
4. strUTF16: 扩慯扩慯煩？？？？？

可以推断，a.txt的文本文件编码为ANSI，GBK向下兼容GB2312，所以两者都能显示。而UTF则不是那么顺利了。