java io系列14之 DataInputStream数据输入流的认知源码和示例Word文档格式.docx

1、”DataInputStream 中比较难以理解的函数就只有 readUTF（DataInput in）；下面，对这个函数进行详细的介绍，其它的函数请参考源码中的注释。readUTF（DataInput in）源码如下： 1 public final static String readUTF（DataInput in） throws IOException 2 / 从“数据输入流”中读取“无符号的short类型”的值： 3 / 注意：UTF-8输入流的前2个字节是数据的长度 4 int utflen = in.readUnsignedShort（）; 5 byte bytearr = nul

2、l; 6 char chararr = null; 7 8 / 如果in本身是“数据输入流”， 9 / 则，设置字节数组bytearr = 数据输入流的成员bytearr 10 / 设置字符数组chararr = 的成员chararr 11 / 否则的话，新建数组bytearr和chararr 12 if （in instanceof DataInputStream） 13 DataInputStream dis = （DataInputStream）in; 14 if （dis.bytearr.length utflen） 15 dis.bytearr = new byteutflen*2;

3、 16 dis.chararr = new charutflen*2; 17 18 chararr = dis.chararr; 19 bytearr = dis.bytearr; 20 else 21 bytearr = new byteutflen; 22 chararr = new charutflen; 23 24 25 int c, char2, char3; 26 int count = 0; 27 int chararr_count=0; 28 29 / 从“数据输入流”中读取数据并存储到字节数组bytearr中；从bytearr的位置0开始存储，存储长度为utflen。 30

4、/ 注意，这里是存储到字节数组！而且读取的是全部的数据。 31 in.readFully（bytearr, 0, utflen）; 32 33 / 将“字节数组bytearr”中的数据 拷贝到 “字符数组chararr”中 34 / 注意：这里相当于“预处理的输入流中单字节的符号”，因为UTF-8是1-4个字节可变的。 35 while （count 127） break; 40 count+; 41 / 将c保存到“字符数组chararr”中 42 chararrchararr_count+=（char）c; 43 44 45 / 处理完输入流中单字节的符号之后，接下来我们继续处理。 46

5、while （count 4） 54 / 若 UTF-8 是单字节，即 bytearrcount 对应是 “0xxxxxxx” 形式； 55 / 则 bytearrcount 对应的int类型的c的取值范围是 0-7。 56 case 0: case 1: case 2: case 3: case 4: case 5: case 6: case 7: 57 /* 0xxxxxxx*/ 58 count+; 59 chararrchararr_count+=（char）c; 60 break; 61 62 / 若 UTF-8 是双字节，即 bytearrcount 对应是 “110xxxxx 1

6、0xxxxxx” 形式中的第一个，即“110xxxxx” 63 / 则 bytearrcount 对应的int类型的c的取值范围是 12-13。 64 case 12: case 13: 65 /* 110x xxxx 10xx xxxx*/ 66 count += 2; 67 if （count utflen） 68 throw new UTFDataFormatException（ 69 malformed input: partial character at end）; 70 char2 = （int） bytearrcount-1; 71 if （char2 & 0xC0） != 0

7、x80） 72 throw new UTFDataFormatException（ 73 malformed input around byte + count）; 74 chararrchararr_count+=（char）（c & 0x1F） 84 throw new UTFDataFormatException（ 85 86 char2 = （int） bytearrcount-2; 87 char3 = （int） bytearrcount-1; 88 if （char2 &= 0x80） | （char3 &= 0x80） 89 throw new UTFDataFormatExc

8、eption（ 90 + （count-1）; 91 chararrchararr_count+=（char）（c & 0x0F） 12） | 92 （char2 & 0x3F） 93 （char3 & 0）; 94 break; 95 96 / 若 UTF-8 是四字节，即 bytearrcount 对应是 “11110xxx 10xxxxxx 10xxxxxx 10xxxxxx” 形式中的第一个，即“11110xxx” 97 / 则 bytearrcount 对应的int类型的c的取值是15 98 default: 99 /* 10xx xxxx, 1111 xxxx */100 thro

9、w new UTFDataFormatException（101 102 103 104 / The number of chars produced may be less than utflen105 return new String（chararr, 0, chararr_count）;106 （01） readUTF（）的作用，是从输入流中读取UTF-8编码的数据，并以String字符串的形式返回。（02） 知道了readUTF（）的作用之后，下面开始介绍readUTF（）的流程：第1步，读取出输入流中的UTF-8数据的长度。代码如下：int utflen = in.readUnsi

10、gnedShort（）;UTF-8数据的长度包含在它的前两个字节当中；我们通过readUnsignedShort（）读取出前两个字节对应的正整数就是UTF-8数据的长度。第2步，创建2个数组：字节数组bytearr 和 字符数组chararr。 1 if （in instanceof DataInputStream） 2 DataInputStream dis = （DataInputStream）in; 3 if （dis.bytearr.length 4 dis.bytearr = new byteutflen*2; 5 dis.chararr = new charutflen*2; 6

11、7 chararr = dis.chararr; 8 bytearr = dis.bytearr; 9 else 10 bytearr = new byteutflen;11 chararr = new charutflen;12 首先，判断该输入流本身是不是DataInputStream，即数据输入流；若是的话，则，设置字节数组bytearr = 设置字符数组chararr = 否则的话，新建数组bytearr和chararr。第3步，将UTF-8数据全部读取到“字节数组bytearr”中。in.readFully（bytearr, 0, utflen）;注意:这里是存储到字节数组，而不是字

12、符数组！第4步，对UTF-8中的单字节数据进行预处理。1 while （count 6 count+;7 / 将c保存到“字符数组chararr”中8 chararrchararr_count+=（char）c;9 UTF-8的数据是变长的，可以是1-4个字节；在readUTF（）中，我们最终是将全部的UTF-8数据保存到“字符数组（而不是字节数组）”中，再将其转换为String字符串。由于UTF-8的单字节和ASCII相同，所以这里就将它们进行预处理，直接保存到“字符数组chararr”中。对于其它的UTF-8数据，则在后面进行处理。第5步，对“第4步 预处理”之后的数据，接着进行处理。/

13、处理完输入流中单字节的符号之后，接下来我们继续处理。while （count / 若 UTF-8 是单字节，即 bytearrcount 对应是 “0xxxxxxx” 形式； / 则 bytearrcount 对应的int类型的c的取值范围是 0-7。 case 0: /* 0xxxxxxx*/ count+; chararrchararr_count+=（char）c; break; / 若 UTF-8 是双字节，即 bytearrcount 对应是 “110xxxxx 10xxxxxx” 形式中的第一个，即“110xxxxx” / 则 bytearrcount 对应的int类型的c的取值范

14、围是 12-13。 case 12: /* 110x xxxx 10xx xxxx*/ count += 2; if （count throw new UTFDataFormatException（ char2 = （int） bytearrcount-1; if （char2 & chararrchararr_count+=（char）（c & （char2 & / 若 UTF-8 是三字节，即 bytearrcount 对应是 “1110xxxx 10xxxxxx 10xxxxxx” 形式中的第一个，即“1110xxxx” / 则 bytearrcount 对应的int类型的c的取值是14

15、 。 case 14: /* 1110 xxxx 10xx xxxx 10xx xxxx */ count += 3; char2 = （int） bytearrcount-2; char3 = （int） bytearrcount-1; if （char2 & （char2 & （char3 & / 若 UTF-8 是四字节，即 bytearrcount 对应是 “11110xxx 10xxxxxx 10xxxxxx 10xxxxxx” 形式中的第一个，即“11110xxx” / 则 bytearrcount 对应的int类型的c的取值是15 default: /* 10xx xxxx, 1

16、111 xxxx */ （a） 我们将下面的两条语句一起进行说明c = （int） bytearrcount &switch （c 4） . 首先，我们必须要理解 为什么要这么做（执行上面2条语句）呢？原因很简单，这么做的目的就是为了区分UTF-8数据是几位的；因为UTF-8的数据是14字节不等。我们先看看UTF-8在14位情况下的格式。-+-1字节 UTF-8的通用格式 | 0xxxxxxx2字节 UTF-8的通用格式 | 110xxxxx 10xxxxxx3字节 UTF-8的通用格式 | 1110xxxx 10xxxxxx 10xxxxxx4字节 UTF-8的通用格式 | 11110xxx

17、 10xxxxxx 10xxxxxx 10xxxxxx执行 c = （int） bytearrcount & 和 c4 这2项操作之后，上面的数据变成1字节 UTF-8的变换后对应的int类型值 | 00000000 00000000 00000000 00000xxx （范围是07） 2字节 UTF-8的变换后对应的int类型值 | 00000000 00000000 00000000 0000110x （范围是1213） 3字节 UTF-8的变换后对应的int类型值 | 00000000 00000000 00000000 00001110 （范围是14） 4字节 UTF-8的变换后对应的

18、int类型值 | 00000000 00000000 00000000 00001111 （范围是15） 为什么会是这样呢？我们以“2字节 UTF-8的通用格式”来说明。它的通用格式是 “110xxxxx 10xxxxxx”，我们在操作时，只会操作第1个字节，即只会操作“110xxxxx”（a.1） 在执行 c = （int） bytearrcount & 时，首先将 bytearrcount 转换成int。“110xxxxx”转成int类型之后，变成“11111111 11111111 11111111 110xxxxx”因为“110xxxxx”是负数（第1为是1），所以转换成int类型时多

19、出来的位补1。（a.2） 接着 c = （int） bytearrcount & 中，会将 “转换成int类型后的bytearrcount” 与 “0xff”进行 逻辑与（即&） 操作。结果如下：“00000000 00000000 00000000 110xxxxx”（a.3） 执行 c4 时，会将上面的结果左移4位。得到的结果如下：“00000000 00000000 00000000 0000110x”（b） 上面的理解之后，swicth （c4） . 其中的省略号部分就相当容易理解了。我们还是以“2字节 UTF-8的通用格式”来说明。它会执行 case 12 和 case 13；源码如下：count += 2;if （count char2 = （int） bytearrcount-1;if （char2 &chararrchararr_count+=（char）（c & 6） | （char2 &（b.1） 由于这种情况对应的UTF-8数据是“2字节”的，因此，执行count+2；直接跳