作者：jeru
email: jeru@163.net
日期：2000-12-26 10:46:54
山西省網(wǎng)絡(luò)管理中心任軍 

----摘要：本文主要討論了Java語(yǔ)言中字符的特殊表達(dá)形式，尤其是中文信息的表達(dá)處理，闡述了字符處理的關(guān)鍵是要將十六位Unicode字符，轉(zhuǎn)換為本地下層平臺(tái)，也就是運(yùn)行Java虛擬處理機(jī)的平臺(tái)能夠理解的字符形式。

----關(guān)鍵詞：Java、字符、8位、16位、Unicode字符集

----Java是一種編程語(yǔ)言、一個(gè)運(yùn)行系統(tǒng)、一套開(kāi)發(fā)工具和一個(gè)應(yīng)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(fù)雜的、危險(xiǎn)的和多余的元素。它是一個(gè)更安全、更簡(jiǎn)單、更容易使用的語(yǔ)言。

1、Java的字符表達(dá)

----Java語(yǔ)言和C語(yǔ)言對(duì)字符進(jìn)行了互不相同的描述，Java使用16位的Unicode字符集(該標(biāo)準(zhǔn)描述了許多語(yǔ)言的各種不同字符),因此Java字符是一個(gè)16位的無(wú)符號(hào)整數(shù)，字符變量用來(lái)存放單個(gè)字符，而不是完整的字符串。

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

----Java的基本的char類型被定義成無(wú)符號(hào)的16位，它是Java中唯一的一個(gè)無(wú)符號(hào)類型。使用16位表達(dá)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(yǔ)言，可移植性也就會(huì)更好。但是，能夠支持某種語(yǔ)言的字符串顯示，和能夠正確打印某種語(yǔ)言的字符串，常常是兩個(gè)不同的問(wèn)題。由于Oak（Java最初的代號(hào)）開(kāi)發(fā)組的主要環(huán)境是Unix系統(tǒng)和某些源于Unix的系統(tǒng)，所以對(duì)開(kāi)發(fā)人員來(lái)說(shuō)，最為方便實(shí)用的字符集是ISOLatin-1。相應(yīng)地，這一開(kāi)發(fā)組就帶有Unix遺傳性，也就導(dǎo)致了Java的I/O系統(tǒng)在很大程度上以Unix的流概念為模型，而在Unix系統(tǒng)中，每一種I/O設(shè)備都是用一串8比特的流來(lái)表示。這種在I/O系統(tǒng)方面取模于Unix的做法，使得Java語(yǔ)言擁有16位的Java字符，而卻只有8位的輸入設(shè)備，這樣就給Java帶來(lái)了些不足。因此在任何一處Java字符串按8位來(lái)讀入或?qū)懗龅牡胤?，都得有一小段程序代碼，被稱為"劈(hack)"，來(lái)將8位的字符映射成為16位Unicode，或?qū)?6位的Unicode劈成8位字符。

2、問(wèn)題及解決

----我們要實(shí)現(xiàn)從一個(gè)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(shù)打開(kāi)文件、readChar函數(shù)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(shí)上，運(yùn)行這一程序，所能得到的輸出結(jié)果是一堆無(wú)用的亂碼。不能正確輸出xinxi.txt文件內(nèi)容，其原因是readChar函數(shù)讀入的是16位的Unicode字符，而System.out.print卻將其當(dāng)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(lái)處理字符。我們可以利用InputStreamReader類而不是DataInputStream來(lái)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(dāng)xinxi.txt文件來(lái)自不同的機(jī)器，即來(lái)自不同操作平臺(tái)（或漢字內(nèi)碼不同）的機(jī)器，比如： 文件來(lái)自客戶端（客戶端上傳文件給服務(wù)器），而讀取文中信息的操作由服務(wù)器端執(zhí)行。如果用上面的程序來(lái)實(shí)現(xiàn)這一功能，就有可能仍然不能得到正確的結(jié)果。其原因就是輸入編碼轉(zhuǎn)換失敗，我們還需要進(jìn)行如下的改動(dòng)： 


     ......  
        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(jié)果就正確了。當(dāng)然，上面的程序是不完整的，只是說(shuō)明了一下解決的方法。 

----總之，Java語(yǔ)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(guān)鍵是要將十六位Unicode字符，轉(zhuǎn)換為本地下層平臺(tái)也就是運(yùn)行Java虛擬處理機(jī)的平臺(tái)能夠理解的字符形式。