字符集、IO流（一）

各位同學(xué)，前面我們已經(jīng)學(xué)習(xí)了File類，通過File類的對象可以對文件進行操作，但是不能操作文件中的內(nèi)容。要想操作文件中的內(nèi)容，我們還得學(xué)習(xí)IO流。但是在正式學(xué)習(xí)IO流之前，我們還需要學(xué)習(xí)一個前置知識叫做字符集，只有我們把字符集搞明白了，再學(xué)習(xí)IO流才會更加絲滑。

一、字符集

1.1 字符集的來歷

我們知道計算機是美國人發(fā)明的，由于計算機能夠處理的數(shù)據(jù)只能是0和1組成的二進制數(shù)據(jù)，為了讓計算機能夠處理字符，于是美國人就把他們會用到的每一個字符進行了編碼（所謂編碼，就是為一個字符編一個二進制數(shù)據(jù)），如下圖所示：

美國人常用的字符有英文字母、標點符號、數(shù)字以及一些特殊字符，這些字符一共也不到128個，所以他們用1個字節(jié)來存儲1字符就夠了。 美國人把他們用到的字符和字符對應(yīng)的編碼總結(jié)成了一張碼表，這張碼表叫做ASCII碼表（也叫ASCII字符集）。

其實計算機只在美國用是沒有問題的，但是計算機慢慢的普及到全世界，當普及到中國的時候，在計算機中想要存儲中文，那ASCII字符集就不夠用了，因為中文太多了，隨便數(shù)一數(shù)也有幾萬個字符。

于是中國人為了在計算機中存儲中文，也編了一個中國人用的字符集叫做GBK字符集，這里面包含2萬多個漢字字符，GBK中一個漢字采用兩個字節(jié)來存儲，為了能夠顯示英文字母，GBK字符集也兼容了ASCII字符集，在GBK字符集中一個字母還是采用一個字節(jié)來存儲。

1.2 漢字和字母的編碼特點

如果一個文件中既有中文，也有英文，那計算機怎么知道哪幾個字節(jié)表示一個漢字，哪幾個字節(jié)表示一個字母呢？

比如：在文件中存儲一個我a你，底層其實存儲的是這樣的二進制數(shù)據(jù)。

需要我們注意漢字和字母的編碼特點：

• 1. 如果是存儲字母，采用1個字節(jié)來存儲，一共8位，其中第1位是0

  2. 如果是存儲漢字，采用2個字節(jié)來存儲，一共16位，其中第1位是1

當讀取文件中的字符時，通過識別讀取到的第1位是0還是1來判斷是字母還是漢字

• 如果讀取到第1位是0，就認為是一個字母，此時往后讀1個字節(jié)。

• 如果讀取到第1位是1，就認為是一個漢字，此時往后讀2個字節(jié)。

1.3 Unicode字符集

同學(xué)們注意了，咱們國家可以用GBK字符集來表示中國人使用的文字，那世界上還有很多其他的國家，他們也有自己的文字，他們也想要自己國家的文字在計算機中處理，于是其他國家也在搞自己的字符集，就這樣全世界搞了上百個字符集，而且各個國家的字符集互不兼容。 這樣其實很不利于國際化的交流，可能一個文件在我們國家的電腦上打開好好的，但是在其他國家打開就是亂碼了。

為了解決各個國家字符集互不兼容的問題，由國際化標準組織牽頭，設(shè)計了一套全世界通用的字符集，叫做Unicode字符集。在Unicode字符集中包含了世界上所有國家的文字，一個字符采用4個自己才存儲。

在Unicode字符集中，采用一個字符4個字節(jié)的編碼方案，又造成另一個問題：如果是說英語的國家，他們只需要用到26大小寫字母，加上一些標點符號就夠了，本身一個字節(jié)就可以表示完，用4個字節(jié)就有點浪費。

于是又對Unicode字符集中的字符進行了重新編碼，一共設(shè)計了三種編碼方案。分別是UTF-32、UTF-16、UTF-8; 其中比較常用的編碼方案是UTF-8

下面我們詳細介紹一下UTF-8這種編碼方案的特點。

1.UTF-8是一種可變長的編碼方案，工分為4個長度區(qū)
2.英文字母、數(shù)字占1個字節(jié)兼容(ASCII編碼)
3.漢字字符占3個字節(jié)
4.極少數(shù)字符占4個字節(jié)

1.4 字符集小結(jié)

最后，我們將前面介紹過的字符集小結(jié)一下

ASCII字符集：《美國信息交換標準代碼》，包含英文字母、數(shù)字、標點符號、控制字符特點：1個字符占1個字節(jié)
?
GBK字符集：中國人自己的字符集，兼容ASCII字符集，還包含2萬多個漢字特點：1個字母占用1個字節(jié)；1個漢字占用2