Java 繁體中文處理完全攻略（二）

2019-11-18 14:18:36

字體：大中小

來源：轉載

供稿：網友

　　I/O 轉碼
java 現行的 IO 一律使用 Stream 的方式，相關的類別都放在 java.io 中。輸出 binary 的資料使用 OutputStream 的子類別，輸入 binary 的資料使用 InputStream 的子類別，輸出文字的資料使用 Writer 的子類別，輸入文字的資料使用 Reader 的子類別。

你可能會覺得很希奇：「有必要用不同的方式來處理文字和 binary 嗎？文字資料不也是 binary 的一種？」沒錯，其實他們非常類似，最大的差異在于，InputStream/OutputStream 會原封不動地傳送資料，但是 Reader/Writer 會將資料當作文字對待，所以 Reader/Writer 在「必要時」會把（文字）資料轉碼。什么時候才是所謂的「必要時」呢？

Java 的 Stream（包括 Reader 和 Writer）是可以互相串接的。當 Reader 的資料來源是另一個 Reader 時，不轉碼，當 Reader 的資料來源是一個 InputStream 時，就會轉碼。當 Writer 的資料去處是另一個 Writer 時，不轉碼，當 Writer 的資料去處是一個 OutputStream 時，就會轉碼。

由什么碼轉成什么碼？這是可以指定的。因為轉碼只發生在 Reader/InputStream 的交界處與 Writer/OutputStream 的交界處，所以正是由 InputStreamReader 和 OutputStreamWriter 此二類別負責，下面兩個 constrUCtor 的第二個參數，正是用來指定轉碼的方式。

public InputStreamReader(InputStream in, String enc)
throws UnsupportedEncodingException;
public OutputStreamWriter(OutputStream out, String enc)
throws UnsupportedEncodingException;

InputStreamReader 負責將 enc 的編碼方式轉成 Unicode（因為資料是從「外部」送過來給「內部」的），OutputStreamWriter 負責將 Unicode 的編碼方式轉成 enc（因為資料要從「內部」送給「外部」）。JRE 內部當然都一定是用 Unicode 編碼，而外部的編碼就不一定，要看當時的環境為何。你可以透過 getEncoding() 的 method，來得知 InputStreamReader 與 OutputStreamWriter 的編碼方式。

請注重：即使你沒用到 InputStreamReader 與 OutputStreamWriter，只有用到其它的 Reader 和 Writer，但是這些 Reader 和 Writer 內部也很有可能（但非絕對）是直接或間接通到 InputStreamReader 與 OutputStreamWriter。比方說：FileReader 內部其實是透過一個 InputStreamReader 的中介來將資料從 FileInputStream 取過來的，此時 InputStreamReader 的轉碼方式是采用 OS 的文字編碼（以繁體中文的 Windows 為例，就是「MS950」）轉成 Unicode。

假如你清楚地知道你要讀寫的檔案（或資料來源 / 去處）是采用某種編碼方式，你也可以主動指定編碼方式。但是，請記得抓取可能導致的 UnsupportedEncodingException，并務必處理之，不可對此例外置之不理，因為該 JRE 有可能沒有附上此種編碼表（也有可能你的編碼名稱給錯）。

檔案 I/O 轉碼
假如你是在泰文版的 Windows 上，想讀取用 MS950 編碼的繁體中文文字文件，你就必須主動指定編碼，不可以直接用 FileReader，否則無法成功讀取。方法如下：

FileInputStream fis = new FileInputStream(fileName);
InputStreamReader reader = new InputStreamReader(fis, "MS950");

然后，透過 Reader 讀出來的就會是正確的中文。

網絡 I/O 轉碼
假如你的網絡程序采用 TCP，那么你可以透過 Socket 類別所提供的 getInputStream() 和 getOutputStream() 來得到 InputStream 和 OutputStream 對象。假如你是在泰文版的 Windows 上，想讀取用 MS950 編碼的繁體中文文字 TCP 網絡串流，你可以用類似上面的技巧來轉碼。方法如下：

InputStream is = mySocket.getInputStream();
InputStreamReader reader = new InputStreamReader(is, "MS950");

假如你的網絡程序采用 UDP，你必須把中文字符串轉成（或轉自）byte 數組。請看下一節「字符串和 byte 數組的轉碼」。

假如你的網絡程序采用 RMI，那你完全不用為這部分的轉碼操心，字符串直接用 Unicode 在網絡上傳遞給另一個 JRE，不需要轉碼。

保持刑案現場
假如你不知道你的 I/O 資料來源或去處是用何種編碼方式，那么你最好不要用 Reader 和 Writer，而應該直接用 InputStream 和 OutputStream，因為與其被 Reader 和 Writer 胡亂編碼之后造成信息遺失或錯亂，不如保持資料的完整不變，留待以后進一步解讀。

字符串和 byte 數組的轉碼
java.lang.String 類別是 Java 字符串對象的類別，Java 字符串對象既然是活在 JRE 內部，當然就一定是用 Unicode 編碼。假如你需要將 String 對象和 byte 數組互轉，你可以使用：

String(byte[] bytes, int offset, int length, String enc);

或

String(byte[] bytes, String enc);

來將用 enc 編碼的 byte 數組，轉成 Unicode 的 String 對象。你也可以使用 String 對象所提供的：

byte[] getBytes(String enc)

來將 String 對象轉成 byte 數組。

另外，你也可以透過 ByteArrayInputStream 或 ByteArrayOutputStream 串接到 InputStreamReader 或 OutputStreamWriter，來達到轉碼的目的。

上一篇：Java 建模：子整體軟件開發

下一篇：Java 關于中文亂碼問題的解決方案與經驗（1）