使用ByteStream读取UTF-8字符

Question

我使用FileInputStream和FileOutputStream从UTF-8中的文本文件中读取字符，并将数据写入另一个文件(实质上是复制内容)。

FileInputStream串行读取1字节，FileOutputStream将一个字节串行写入文本文件。

我第一次这样做是为了正常输入英文内容的.txt文件。起作用了，这是应该的。然后，我修改了我的输入文本文件，并在其中写了一些日语字符(使用谷歌翻译)。每个字符为3个字节。

我再次对新的文本文件进行了同样的处理，这也非常有效。因为一次只读取一个字节，所以信息不应该被破坏(因为每个日文字符是3个字节)。我想问一下，为什么FileInputStream也使用3字节字符。这是密码。

public class Test {
    public static void main(String[] args) throws IOException{
        FileInputStream in=null;
        FileOutputStream out=null;
        try{
            File f=new File("C:/Users/harsh/Desktop/xanadu.txt.txt");
            in=new FileInputStream(f);
            out=new FileOutputStream("C:/Users/harsh/Desktop/xanadu333.txt");
            int c;
            while((c=in.read())!=-1){
                out.write(c);
            }
        }
        finally{
            if(in!=null){
                in.close();
            }
            if(out!=null){
                out.close();
            }
        }
    }
}

编辑-将文本文件看作是私の名前はアンソニーです(我的名字是Anthony)，一个39字节的文件。我得到相同的输出，即输出文本文件中的私の名前はアンソニーです。此外，我还在out.write(97) //97 as ascii of a之后编写了out.write(c)，然后输出文件都被破坏了。

Answer 1

当您使用UTF-8编码将日语字符写入文件时，您实际上是在向它写入三个字节。

您声明的循环不关心字符，而是关心字节。

while((c=in.read())!=-1){
    out.write(c);
    if(c=='r'){
        break;
    }
}

因为输入文件包含三个字节，所以它只循环三次。

编辑：您在out.write(c)之后直接执行out.write(97)后破坏一切的原因是，表示单个日语字符的三个字节不再是连续的。这破坏了UTF-8的编码。