Méthode d'implémentation Java pour spécifier l'encodage lors de la création d'un fichier

Cet article vous apporte des connaissances pertinentes sur java. Il présente principalement la méthode d'implémentation de spécification de l'encodage lors de la création d'un fichier en Java. L'article le présente en détail à travers un exemple de code, ce qui est d'une certaine importance pour l'étude ou le travail de chacun. valeur d'apprentissage, j'espère qu'il sera utile à tout le monde.

Étude recommandée : "Tutoriel vidéo Java"

Préface : Récemment, j'ai appris les connaissances liées au flux Java IO et je voulais mettre en pratique et consolider les connaissances acquises en lisant et en écrivant des fichiers. Lorsque j'utilisais la classe File pour créer un fichier, je me suis soudainement demandé : comment dois-je spécifier l'encodage utilisé par le fichier ? Puis j’ai pensé : comment dois-je vérifier l’encodage d’un fichier ?

1. Analyse du problème

Allez d'abord sur Internet pour trouver la réponse. Les résultats sont les suivants :

FileInputStream fis=new FileInputStream(“xxxx.txt”)；
OutputStreamWriter osw=new OutputStreamWriter(fis,“UTF-8”);

Le code ci-dessus signifie probablement que lors de l'écriture d'un fichier, les caractères écrits sont codés en UTF-8, ce qui est différent de ce à quoi je m'attendais. Je souhaite spécifier l'encodage lors de la création du fichier. Comme ce qui suit,

File myfile = new File("test.txt”, “UTF-8”);
if (!myfile.exists()) myfile.createNewFile();

Donc, j'ai vérifié la documentation officielle de l'API Java 8 et File n'a pas fourni de constructeur capable de spécifier le codage des caractères.

En même temps, il ne fournit pas d'autres méthodes d'accès au codage de caractères telles que set ou get, indiquant que le codage de caractères n'est pas un attribut inhérent au fichier. Tels que l'heure de création du fichier, l'heure de modification du fichier, qu'il soit lisible, inscriptible et exécutable, ce sont les attributs inhérents au fichier, ou méta-informations, ils font partie du fichier.

2. Codage des caractères

Nous savons que toute information stockée dans l'ordinateur est une chaîne de 01, et le texte ne fait pas exception.

Le traitement des caractères comprend deux processus : Encodage et décodage

Encodage : "mapper" les caractères à la chaîne 01
Décodage : "mapper" la chaîne 01 aux caractères

Différents encodages de caractères, tels que comme GBK, UTF-8, l'encodage et le décodage utilisent des règles différentes.

Pour la même chaîne de texte : "Chine", utilisez l'encodage UTF-8 pour la sauvegarder. Généralement, trois octets sont utilisés pour sauvegarder un caractère chinois (la forme hexadécimale de la chaîne 01 sous-jacente).

Utilisation de l'encodage GBK pour enregistrer, en utilisant deux octets pour représenter un caractère chinois.

Lorsque nous écrivons et enregistrons le texte dans l'éditeur de texte, l'éditeur "mappera" le texte dans une chaîne de 01 en fonction du type d'encodage de caractères que vous avez défini.

Le type de caractère que vous définissez n'est qu'une règle de conversion permettant à l'éditeur d'encoder le texte en 10 chaînes, et n'est pas un attribut du texte.

Lorsque l'éditeur ouvre le fichier texte, ce qui est affiché n'est pas la chaîne 01 sous-jacente, mais le texte. En effet, l'éditeur utilise un certain codage de texte pour décoder la chaîne 01 en caractères. Si, lors du décodage, le codage des caractères utilisé est cohérent ou compatible avec le codage, le texte peut s'afficher correctement. Si le codage de caractères utilisé lors du décodage est incohérent ou incompatible avec le codage, les caractères seront tronqués.

Par exemple, j'ai un fichier texte utilisant l'encodage GBK, le contenu est "Quand la lune brillante sortira",

J'utilise VS code (un éditeur de texte très simple à utiliser de Microsoft) ouvrir le fichier, dans la terminologie, signifie décoder le fichier. Le codage de texte par défaut utilisé est UTF-8 et le décodage est le même. Cependant, comme la couche inférieure de mon texte est une chaîne 01 codée en GBK (deux octets et un caractère), l'utilisation de UTF-8 pour décoder la chaîne 01 entraînera inévitablement des caractères tronqués en raison d'un codage et d'un décodage incohérents. À ce stade, tant que vous sélectionnez manuellement l'encodage GBK correspondant, le fichier décodé ne sera pas tronqué.

Les caractères tronqués illustrent également de côté que l'encodage des caractères n'est pas un attribut inhérent au fichier.

J'ai tellement parlé juste pour illustrer ce point : Le codage des caractères est la règle utilisée lors du décodage et de l'encodage, et non un attribut inhérent au fichier.

Je ne peux m'empêcher de me demander pourquoi le codage des caractères n'a-t-il pas été défini dans les propriétés du fichier ?

En supposant qu'il puisse être défini et défini sur GBK, le système d'exploitation doit alors maintenir la fonction. Tout comme un fichier n'est pas accessible en écriture, si un programme tente d'écrire dans le fichier, le système d'exploitation refusera d'écrire. Les octets que le système d'exploitation doit écrire doivent répondre aux exigences de codage GBK. Ensuite, chaque octet est écrit. besoins du système d'exploitation La vérification de la légalité de l'octet nécessite beaucoup de surcharge de performances et est même impossible à mettre en œuvre, car certains octets spéciaux peuvent représenter soit GBK, soit UTF-8, ce qui est ambigu. Maintenant, quel est l'intérêt de faire cela ? Est-ce pour que l'éditeur puisse sélectionner le bon encodage en fonction des propriétés d'encodage lors de l'ouverture du fichier ? Ce n'est pas nécessaire. Un éditeur intelligent peut déduire le codage utilisé par votre chaîne 01 en fonction des premiers octets du contenu. De plus, vous pouvez également définir manuellement le codage des caractères utilisé pour le décodage.

3. Problème résolu

Lors de la création d'un fichier, l'encodage du fichier ne peut pas être spécifié. Lors de l'écriture de texte dans un fichier (par exemple, Ctrl + S enregistré dans un éditeur de texte, qui effectue essentiellement une opération d'écriture), vous pouvez choisir de convertir le texte en une règle d'encodage de chaîne 01.

Pour les programmes Java, le code est le suivant, qui est le code mentionné en début d'article :

FileInputStream fis=new FileInputStream(“xxxx.txt”)；
OutputStreamWriter osw=new OutputStreamWriter(fis,“UTF-8”);

Apprentissage recommandé : "Tutoriel vidéo Java"

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!