IO流 秦始皇与编码的故事

IO的故事可以从2000多年前的始皇帝开始讲起。自从秦始皇统一六国以后，书同文，车同轨，统一货币度量衡，简单的说就是制定了一个统一的标准。而与本章有最大关系的就是“书同文”了。正是由于秦始皇统一了文字，所以今天不论是书籍还是网络，都有统一的文字标准，但是可惜的是，这个统一的标准只在国内是统一的。由于互联网将全世界的距离缩小到了你与屏幕的距离，这时候问题就出现了。

编码的故事

计算机是二进制的世界，而我们的世界却有着各种各样的语言，如果要将一篇文章存在计算机的硬盘上需要做什么？不仅仅是文章的保存，只要是需要借助计算机才能完成的工作，比如将一篇文章发到各个网站，或者通过通讯软件发给朋友，都会有一个过程，就是将人类语言转变为计算机的语言，这个过程就是编码。那么怎么将人类语言转为计算机语言呢？其实这个问题给你，你用不了多久就会想到办法。

办法

是不是这样？既然计算机只认识数字，把英文和数字对应起来不就可以了么。但是这里用的十进制，而计算机只认识二进制，那就将十进制换为二进制就可以 了。还有一个问题，其实除了英文字符，还有很多其他的符号，符号在计算机中也有很大的作用，按照这样的思路，第一代的编码规范 ASCII 编码就横空出世了。搞计算机的大佬个个都是天才，他们想的比你快，比你更全面。大佬掐指一算，符号加字母，128个不多不少刚刚好。为什么是128个？

对照

看看二进制的表示，0000 0000到0111 1111就是从0到127一共128个数，正好8位1字节（1个字节8位），正好一个字节全部搞定，大佬就是大佬。上图中是ASCII表中需要有印象的几个特殊字符。第一个是空字符，编号0，数字1编号49，大写字母A编号65，小写字母a编号97，最后一个表示delete。

这个ASCII表是美国人发明的，所以表中只有字母和数字，因为对于美国人来说，这些就够了。但是欧洲人一看就发现问题了，光这几个字符不够用啊，比如念个电话号码比读一篇文章还难的法语，不练好舌头的震动就不会发音的德语，于是欧洲人弄了一套ISO-8859-1字符标准出来，满足了自己的需求。美国欧洲都有了自己的标准，我们也必须有自己的标准啊。中华文明博大精深，中文常用字就有几千个，加上不常用的怎么也得有几万，这怎么办？先把常用字弄出来，于是GB2312就出现了。后来为了完整的包含中文，将GB2312扩展了2次，第一次扩展后叫GBK，第二次扩展后叫GB18030。

编码

好了，看到不同的地区有自己的编码，各个国家玩的遍地开花，不弄个自己的标准都不好意思出门跟人家打招呼了，然后世界就乱了。美国人用ASCII编码发了个邮件给韩国人，韩国人用自己的编码打开一看，全是乱码，标准不同无法转换。怎么办？那就来个国际标准统一全世界呗，这就有了Unicode编码，有了Unicode，发邮件再也不乱码了。

但是互联网的高速发展，希望有比Unicode更优秀的编码出现。因为Unicode包含了全世界所有的文字，那么它的范围肯定非常大，甚至需要4个字节来表示，但是如果是一篇美国人写的文章，用Unicode来编码，就会发生一个字节搞定的字符结果用了2个甚至4个字节来表示，浪费很多空间。

最后，最重要的编码方式登场了，大家请记住他的名字 UTF-8。UTF-8继承了Unicode涵盖的所有字符，并且将长度变成了可变长。如果是美国人写的文章，用1个字节保存字符即可，如果是中国人的文章，用2个字节保存字符，并且都是UTF-8的编码方法，即节约空间，又统一编码。我们在web项目中使用最多的也就是UTF-8编码。

下图是同一个文件分别用Unicode和UTF-8编码后的大小。可以发现使用UTF8编码的文件占用空间小了一半。

不同编码

最后用一个图来概括一下。

总结

看了上面这么多编码，真的是需要感谢始皇帝统一了中国，不然我们国内还有一堆编码，各种方言编码，那简直就是灾难啊。但是，这跟IO流有什么关系？

IO流是什么

首先明确一个知识点，计算机是二进制的世界，所以在计算机上存储的文件都是byte字节储存。而在计算机内，存储的文件可以分为两大类，一类是文字类型的文本，另外一类是各种媒体类型等，如果直接使用文本来打开这些文件，里面全是乱码，只有特定的软件才能打开。比如播放器打开视频文件，图片软件打开各种图片。

针对这两种文件，java有两种IO流对应他们，那就是字节流和字符流。上面说过在互联网时代，使用UTF-8编码传输文件可以减小文件体积，加快传输速度，但是在计算机本地，使用Unicode编码较多，java虚拟机为了在全世界的机器上使用，所以它使用的是Unicode编码方式，而且是将字节转为字符，以方便支持各个国家的语言，所以如果要对文件进行编码使用字符流。如果不需要编码，则使用字节流，因为除了文字之外的文件，不需要我们看得懂他们的编码是什么，需要使用他们的时候有特定的软件对文件进行转码。

文本打开图片

用文本打开图片是上图的样子，这不是我们需要的，所以看图片使用图片软件即可。

说了这么多，IO流到底是什么还是不懂，别急，这就说。

首先看IO，IO对应Input/Output首字母，表示输入和输出。流又是什么呢？既然文件都是以字节存储，那么进行输入，输出的时候就是按照字节来传输，文件变成了一串数字，源源不断的从一个地方到另一个地方。比如复制文件的时候，经常会看到一个进度条，在这个进度条背后计算机在干什么呢？他在一边读文件，一边写文件，读的时候将文件用01011101的方式读出来，写入的时候，又将文件以01011101的方式写入到磁盘，看上去就像水流一样，源源不断。

注意这里最小单位是字节，就是8位，比如01011101就是一个字节，最小的传输单位。

复制文件

文件传输完成之前，这个文件是打不开的，只有传输完成后，才是一个完整的文件，可以用软件打开。计算机内的文件传输，这就是IO流。除了计算机内部的传输，计算机还可以从远程服务器上通过网络读取文件，写入硬盘，这种方式也是通过IO流实现。

java中的IO流

java中的IO流体系比较庞大，涉及到很多类，但是常用的其实并不多，所以本文只会介绍最常用的部分。学会了常用的，其他的各位可以参考java的API，理解起来没有难度。下面来介绍一下java中的IO流体系。

体系

IO流主要分为两大类，一种是字符流，用来对文件进行编码，输出人类可以看懂的文字。另一种是字节流，用来传输各种软件可以识别的文件。每一大类都拥有输入和输出的功能，所有输入的字符流的父类叫做Reader，所有输出的字符流的父类叫做Writer。对应到字节流，所有输入的字节流的父类是InputStream，所有输出的字节流的父类是OutputStream。这几个父类按照分类和输入输出的功能来记忆会方便很多。

以上四个类都是抽象类，为什么要使用抽象类？回忆一下前面的知识，抽象类用来定义子类的公共功能，还可以留下一部分抽象方法，到子类再来实现，这样不同的子类就可以有不同的功能了。比如上图右侧标识出了四种功能，分别是“带缓冲功能”，“字节与字符转换”，“字节操作文件”，“字符操作文件”，如果不使用抽象类，可能每一个类中都会有一堆重复的功能，也就是在抽象类中已经实现的功能，他们会重复的出现。而使用抽象类以后，每个子类只需要实现抽象类中的抽象方法即可。

继续观察上图，会发现最终用来操作字符流的类是FileReader和FileWriter。如果需要缓冲功能，可以使用BufferedReader和BufferedWriter。而最终用来操作字节流的类是FileInputSteam和FileOutputStream，如果需要缓冲功能，则使用BufferedInputStream和BufferedOutputStream。发现没有，其实最终最重要的8个类就是字符和字节的输入和输出各一个，他们分别还有一个带缓冲功能的类，根据情况选择使用不同的类。

下一章再来具体介绍上面8种类的使用方法。