作者：jeru
email: jeru@163.net
日期：2000-12-26 10:46:54
山西省網絡管理中心任軍 

----摘要：本文主要討論了Java語言中字符的特殊表達形式，尤其是中文信息的表達處理，闡述了字符處理的關鍵是要將十六位Unicode字符，轉換為本地下層平臺，也就是運行Java虛擬處理機的平臺能夠理解的字符形式。

----關鍵詞：Java、字符、8位、16位、Unicode字符集

----Java是一種編程語言、一個運行系統、一套開發工具和一個應用程序編程界面（API）。Java建立在C++的熟悉、有用的特征之上，而取消了C++的復雜的、危險的和多余的元素。它是一個更安全、更簡單、更容易使用的語言。

1、Java的字符表達

----Java語言和C語言對字符進行了互不相同的描述，Java使用16位的Unicode字符集(該標準描述了許多語言的各種不同字符),因此Java字符是一個16位的無符號整數，字符變量用來存放單個字符，而不是完整的字符串。

----一個字符(character)，就是單個字母(letter)，許多字母構成一個單詞，一組單詞組成句子，以此類推。但是對于含有諸如中文信息的字符，就不是那么簡單了。

----Java的基本的char類型被定義成無符號的16位，它是Java中唯一的一個無符號類型。使用16位表達字符的主要原因是要讓Java能夠支持任何Unicode字符，因此而使得Java適用于描述或顯示任何被Unicode支持的語言，可移植性也就會更好。但是，能夠支持某種語言的字符串顯示，和能夠正確打印某種語言的字符串，常常是兩個不同的問題。由于Oak（Java最初的代號）開發組的主要環境是Unix系統和某些源于Unix的系統，所以對開發人員來說，最為方便實用的字符集是ISOLatin-1。相應地，這一開發組就帶有Unix遺傳性，也就導致了Java的I/O系統在很大程度上以Unix的流概念為模型，而在Unix系統中，每一種I/O設備都是用一串8比特的流來表示。這種在I/O系統方面取模于Unix的做法，使得Java語言擁有16位的Java字符，而卻只有8位的輸入設備，這樣就給Java帶來了些不足。因此在任何一處Java字符串按8位來讀入或寫出的地方，都得有一小段程序代碼，被稱為"劈(hack)"，來將8位的字符映射成為16位Unicode，或將16位的Unicode劈成8位字符。

2、問題及解決

----我們要實現從一個文件讀取信息，尤其是讀取含有中文信息的文件，并將讀取到的信息顯示在屏幕上，一般我們使用FileInputStream函數打開文件、readChar函數讀入字符。如下： 


 import java.io.*;
 public class rf{
      public static void main(String args[]) {
           FileInputStream fis;
           DataInputStream dis;
           char c;

           try {
               fis = new FileInputStream("xinxi.txt");
               dis = new DataInputStream(fis);
               while (true) {
                   c = dis.readChar();
                   System.out.print(c);
                   System.out.flush();
                   if (c == '\n') break;
               }
               fis.close();
           } catch (Exception e) { }
           System.exit(0);
     }
 }

----但是事實上，運行這一程序，所能得到的輸出結果是一堆無用的亂碼。不能正確輸出xinxi.txt文件內容，其原因是readChar函數讀入的是16位的Unicode字符，而System.out.print卻將其當作八位的ISO latin-1字符輸出。 

----Java 1.1版本引入了一套全新的Readers和Writers接口來處理字符。我們可以利用InputStreamReader類而不是DataInputStream來處理文件。修改上面的程序如下： 
import java.io.*;


 public class rf {
      public static void main(String args[]) {
           FileInputStream fis;
           InputStreamReader irs;
           char ch;

           try {
               fis = new FileInputStream("xinxi.txt");
               irs = new InputStreamReader(fis);
               while (true) {
                   ch = (char) irs.read();
                   System.out.print(c);
                   System.out.flush();
                   if (ch == '\n') break;
               }
               fis.close();
           } catch (Exception e) { }
           System.exit(0);
     }
 }

----這樣才能正確輸出xinxi.txt中的文本(尤其是中文信息)。另外，當xinxi.txt文件來自不同的機器，即來自不同操作平臺（或漢字內碼不同）的機器，比如： 文件來自客戶端（客戶端上傳文件給服務器），而讀取文中信息的操作由服務器端執行。如果用上面的程序來實現這一功能，就有可能仍然不能得到正確的結果。其原因就是輸入編碼轉換失敗，我們還需要進行如下的改動： 


     ......  
        int c1;
    int j=0;
        StringBuffer str=new StringBuffer();
        char lll[][]= new char[20][500];
        String ll="";
     try {
          fis = new FileInputStream("fname.txt");
          irs = new InputStreamReader(fis);
              c1=irs.read(lll[1],0,50);
          while (lll[1][j]!=' ') {
               str.append(lll[1][j]);
               j=j+1;                  
              }
                   ll=str.toString();
           System.out.println(ll);
       } catch (IOException e) { 
              System.out.println(e.toString());}
        ......

----這樣，輸出的結果就正確了。當然，上面的程序是不完整的，只是說明了一下解決的方法。 

----總之，Java語言中字符處理，尤其是中文信息的處理，比較特殊。在Java中，字符處理的關鍵是要將十六位Unicode字符，轉換為本地下層平臺也就是運行Java虛擬處理機的平臺能夠理解的字符形式。