IO流之DataOutputSteam和DataInputSteam原理研究

青旅半醒 2022-05-23 05:24 184阅读 0赞

## 编码知识预备 ##

*  ASCII码  
    1、共计128字符；  
    2、8bit即单字节字符；  
    3、最高位前面统一规定为0；  
    4、例如：65（二进制0100 0001）是A。
 *  非ASCII码  
    1、什么是非ASCII码？  
    英语用128个符号编码就够了，但是用来表示其他语言，128个符号是不够的。
 *  Unicode  
    1、什么是Unicode？  
    Unicode当然是一个很大的集合，现在的规模可以容纳100多万个符号。每个符号的编码都不一样，比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字”严”。具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表。  
    2、存在定位问题  
    Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。  
    例如：“汉”字的Unicode编码是0x6C49，二进制为 01101100 01001001。也就是说这个符号的表示至少需要2个字节。表示其他更大的符号，可能需要3个字节或者4个字节，甚至更多。
 *  UTF-8  
    1、和Unicode的关系  
    UTF-8是Unicode的实现方式之一。  
    2、规则  
    1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。  
    2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

<table> 
 <thead> 
  <tr> 
   <th align="left">十六进制</th> 
   <th align="left">二进制</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="left">0000 0000-0000 007F</td> 
   <td align="left">0xxxxxxx</td> 
  </tr> 
  <tr> 
   <td align="left">0000 0080-0000 07FF</td> 
   <td align="left">110xxxxx 10xxxxxx</td> 
  </tr> 
  <tr> 
   <td align="left">0000 0800-0000 FFFF</td> 
   <td align="left">1110xxxx 10xxxxxx 10xxxxxx</td> 
  </tr> 
  <tr> 
   <td align="left">0001 0000-0010 FFFF</td> 
   <td align="left">11110xxx 10xxxxxx 10xxxxxx 10xxxxxx</td> 
  </tr> 
 </tbody> 
</table>

3、例子  
“严”  
4E25  
1001110 00100101  
1110xxxx 10xxxxxx 10xxxxxx  
填充后  
11100100 10111000 10100101  
111001001011100010100101  
十进制的：14989477

## DataOutputSteam和DataInputSteam原理解析 ##

*  概念介绍  
    1、DataOutputSteam和DataInputSteam是包装流，必须要搭配使用才行，先写出，再读入；  
    2、使用这两个流主要为了使用它writeByte、writeShort、writeChar、writeUTF以及读取的方法；  
    3、使用了装饰器模式和桥接模式（这里不做介绍，感兴趣的可以去研究一下）
 *  主要实现原理剖析  
    1、writeLong

public final void writeLong(long v) throws IOException {
            // 从高位开始，从最高字节开始写入，共8个字节
            // (byte)(v >>> 56) 取最高位字节，存入字节缓存数组
            // 一定是按照顺序进行写入和读取的，“顺序”
            writeBuffer[0] = (byte)(v >>> 56);
            writeBuffer[1] = (byte)(v >>> 48);
            writeBuffer[2] = (byte)(v >>> 40);
            writeBuffer[3] = (byte)(v >>> 32);
            writeBuffer[4] = (byte)(v >>> 24);
            writeBuffer[5] = (byte)(v >>> 16);
            writeBuffer[6] = (byte)(v >>>  8);
            writeBuffer[7] = (byte)(v >>>  0);
            out.write(writeBuffer, 0, 8);
            incCount(8);
        }

2、writeChar

// char自动类型转为int
        // char占两个字节
        public final void writeChar(int v) throws IOException {
            // 取高位字节
            // 思路：转为进二进制，然后分高低字节进行写入
            // 注意：读取的也要按照顺序
            out.write((v >>> 8) & 0xFF);
            // 取地位字节
            out.write((v >>> 0) & 0xFF);
            incCount(2);
        }

3、writeUTF

static int writeUTF(String str, DataOutput out) throws IOException {
            int strlen = str.length();
            int utflen = 0;
            int c, count = 0;
    
            /* use charAt instead of copying String to char array */
            // 这里是计算出写入字符串所需的字节数(判断标准是UTF-8的上面有）
            // 根据此计算出下方bytearr字节缓存区的大小
            for (int i = 0; i < strlen; i++) {
                c = str.charAt(i);
                if ((c >= 0x0001) && (c <= 0x007F)) {
                    utflen++;
                } else if (c > 0x07FF) {
                    utflen += 3;
                } else {
                    utflen += 2;
                }
            }
    
            if (utflen > 65535)
                throw new UTFDataFormatException(
                    "encoded string too long: " + utflen + " bytes");
    
            byte[] bytearr = null;
            if (out instanceof DataOutputStream) {
                DataOutputStream dos = (DataOutputStream)out;
                if(dos.bytearr == null || (dos.bytearr.length < (utflen+2)))
                    dos.bytearr = new byte[(utflen*2) + 2];
                bytearr = dos.bytearr;
            } else {
                bytearr = new byte[utflen+2];
            }
    
            // 在写入字符串之前，写写入这个字符串的长度；所以上方的计算写入数组初始化大小的时候都加了2
            bytearr[count++] = (byte) ((utflen >>> 8) & 0xFF);
            bytearr[count++] = (byte) ((utflen >>> 0) & 0xFF);
    
            // 进行写入，单个字符一个个写入，
            int i=0;
            for (i=0; i<strlen; i++) {
               c = str.charAt(i);
               if (!((c >= 0x0001) && (c <= 0x007F))) break;
               bytearr[count++] = (byte) c;
            }
    
            // 根据UTF-8的规则，进行判断1,2,3,个字节的写入，转换为Unicode的后
            // 进行单个字节写入
            for (;i < strlen; i++){
                c = str.charAt(i);
                if ((c >= 0x0001) && (c <= 0x007F)) {
                    bytearr[count++] = (byte) c;
    
                } else if (c > 0x07FF) {
                    bytearr[count++] = (byte) (0xE0 | ((c >> 12) & 0x0F));
                    bytearr[count++] = (byte) (0x80 | ((c >>  6) & 0x3F));
                    bytearr[count++] = (byte) (0x80 | ((c >>  0) & 0x3F));
                } else {
                    bytearr[count++] = (byte) (0xC0 | ((c >>  6) & 0x1F));
                    bytearr[count++] = (byte) (0x80 | ((c >>  0) & 0x3F));
                }
            }
            out.write(bytearr, 0, utflen+2);
            return utflen + 2;
        }

## 总结 ##

*  在使用时一定要注意写入和读取的顺序
 *  写入字符串的会先写入字符串的长度，以便的读取的使用