Java IO 中字节流读取汉字问题求解

Question

InputStream is = new FileInputStream(file1);  
OutputStream os = new FileOutputStream(file2);  
int temp = 0;  
while ((temp=is.read()!=(-1)) {  
  os.write(temp);  
}  用这段代码将file1内容拷贝到file2中，每个汉字需要两次while循环，读写两次，每次一个字节，那么这个read（）方法的返回值到底表示什么，api上说是下一个数据字节，但这里返回的显然是个int，那么这个介于0-255之间的int值表示什么呢？另外，Java采用Unicode编码，英文字母和汉字都是一个字符，为什么每个英文字母只要读取一次，而汉字需要读取两次？

Answer 1

unicode的传输编码格式 ASCII字符使用一个字节表示，128到2047范围的字符使用双字节表示  中文使用三个字节表示

Answer 2

Java   内部处理字符使用的字序方式是   Unicode，这是一种通行全球的编码方式。Unicode   因为必须将中、韩、日、英、法、阿拉伯……等许多国家所使用的文字都纳入，目前已经包含了六万多个字符，所以   Unicode   使用了   16   个位来为字符编码。因为   Unicode   使用了   16   位编码，所以每个字符都用   16   位来储存或传输是很自然的事，这种储存或传输的格式称为   UTF-16（是不是很像战斗机的名字）。如果你使用到的字符都是西方字符，那么你一定不会想用   UTF-16   的格式，因为体积比   8   位的   Latin-1（一种扩充   ASCII   的编码）多了一倍。所以   Unicode   另有一种储存或传输的格式，叫做   UTF-8。UTF-8   的格式在编码英文时，只需要   8   位，但是中文则是   24   位，所以中文字出现比例高的地方还是使用   UTF-16   比较节省空间。Java   的   Class   File（也就是   bytecode）中有一字段叫做常数区（Constant   Pool），一律使用   UTF-8   为字符编码。 
为了将成千上万的文字统一到同一个编码机制之下，在兼顾经济的原则下，不管是东方文字还是西方文字，在Unicode中一律用两个字节来表示。也就是说，Unicode是一种双字节编码机制的字符集，使用0-65535之间的双字节无符号整数对每个字符进行编码。这样，在Unicode字符集中，至少可以定义65536个不同的字符，足以应付目前绝大多数场合的需要。 
UTF-8   是一种不等幅的编码方式，UTF-8编码的字节长度取决于所要编码的字符在ISO   10646中的编码值。在UTF-8中，不同的字符，可能需要1-6个字节来进行编码。对于单字节的UTF-8编码，该字节的最高位为0，其余7位用来对字符进行编码（等同于ASCII码）。对于多字节的UTF-8编码，如果编码包含n个字节，那么第一个字节的前n位为1，第一个字节的第n+1位为0，该字节的剩余各位用来对字符进行编码。在第一个字节之后的所有的字节，都是最高两位为 "10 "，其余6位用来对字符进行编码。 
UTF-16也是Unicode的变形表示方式的一种。它的目的是维持双八位的编码方式，同时也用一些特殊的双八位来表示ISO   10646中非基本多文种平面（BMP）中的一些字符。这种用来表示非BMP字符的方法在Unicode中称作代理对机制。 
代理对的编码机制以及原先不需要代理对的六万三千多个基本   Unicode   码，合起来叫做UTF-16。也就是说UTF-16   基本上就是   Unicode双字节编码的实现，再加上一个应付未来扩充需要的编码机制。 

Answer 3

read()返回 0 到 255 范围内的 int 字节值。如果因为已经到达流末尾而没有可用的字节，则返回值 -1。

Answer 4

我只想知道，read()方法返回的整数表示什么，byte的范围是-128——127，这里返回的是0-255，英文字母读一次返回一个值，恰好是它的ascii码，汉字读两次返回两个值，我不知道这两个值代表什么。求解释……

Answer 5

不管什么文件格式，基本的存储单位都是字节。至于这些字节究竟代表的是文字，或者声音，或者视频，都和存储无关。只要逐个字节拷贝，就完成了文件的复制过程。byte的带符号取值范围 -128~127,无符号取值范围 0~255因为在java里，-1用来表示流的结束，为了不与带符号byte的值有冲突，在进行逐字节读取时，实际返回的是无符号数。