Объясните, пожалуйста, почему при вводе в консоли, скажем, буквы ‘t’ и последующих выводах System.in.read()
и new BufferedReader(new InputStreamReader(System.in)).read()
, получается один и тот же результат при приведении к типу int
, а именно: 116. Ведь стандартный read() байтового потока должен читать по одному байту, и выдать ноль (как первый байт двухбайтной записи ‘t’), а символьный BufferedReader всё выдаёт правильно.
В чём дело?
2 ответа
Консоль передает готовые байты.
System.in
— это входной поток процесса Java, который управляется ОС. Консоль передает в этот поток уже преобразованные байты.
Что происходит когда Вы вводите данные в консоли:
- Консоль преобразовывает введенные символы в байты в соотвествии с кодировкой заданной для консоли.
Установка кодировки зависит от отдельно взятой консоли/ОС.
Скорее всего в Вашей консоли установлена кодировка, которая преобразовываетt
в один байт. System.in.read
честно считывает полученный байт.InputStreamReader
преобразовывает полученные байты в символы в соответствии с кодировкой по-умолчанию, т.к. Вы выбрали конструктор с незаданой кодировкой. Кодировка по-умолчанию задается параметрами JVM.
Можете проверить кодировку Вашего reader-а следующим кодом:InputStreamReader reader = new InputStreamReader(System.in); System.out.println("Encoding: "+reader.getEncoding());
Кодировку можно задать явно, воспользовавшись одним из конструкторов.
При считывании reader считывает байты из входного потока и преобразовывает их в соответствии с кодировкой в числовое значение соответствующего символа (char). Согласно спецификации Java (§3.1 Unicode), символы хранятся в кодировке UTF-16. Допустим мы используем однобайтную кодировку, вводим символ «ы» и обрабатываем его:char value = (char) reader.read();
Reader прочитает из входного потока один байт, поймет что это за символ найдет этот символ в таблиц UTF-16 и вернет его числовое значение. В резултате этот код будет эквивалентен:
char value = 'ы';
независимо от кодировки.
Двухбайтные кодировки
Чтобы увидеть двухбайтное кодирование стандартного ввода нужно установить соответствующую кодировку. В целях экономии места символы английского алфавита в большинстве кодировок кодируются одним байтом.
... должен читать по одному байту, и выдать ноль (как первый бит двухбитной записи ‘t’)
Так символы преобразовываются в двухбайтных кодировках с порядком от старшего к младшему (например, UTF16-BE). Соответственно, чтобы увидеть такое преобразование через System.in.read
Вам нужно подавать данные на вход в такой кодировке.
Это можно сделать рядом способов, например:
Прочитать документацию консоли, узнать как задать для нее кодировку и поддерживается ли кодировка UTF16-BE. Если да, то задать кодировку. Если нет, то этот способ не подойдет.
Не вводить данные с консоли, а передать на вход файл с текстом. Файл сохранить в кодировке UTF16-BE, после чего выполнить команду вроде:
java Main < encoded.txt
Нужно принять во внимание, что при сохранении первым символом в файле будет BOM и пропустить его.
-
цитата: <<InputStreamReader преобразовывает полученные байты в символы в соответствии с кодировкой по-умолчанию. Кодировку можно задать явно.>> Пожалуйста, объясните подробнее, что это значит? Т.е. не смотря на то, что InputStreamReader символьный поток, и обещает вернуть
short
(0..65535) он будет читать 113? Его не смущает, что так он больше 255 никогда не прочтёт? И что тогда происходит с вводом в консоль буквы, скажем 'ы', кодировка однобайтовая, но как то InputStreamReader её достаёт в видеint:
1099. Очень запутался. Помогите! Заранее огромное спасибо!– Direct6 июн 2018 в 13:14 -
@Direct Расписал подробнее про
InputStreamReader
, проверьте. Если коротко: число (символ)'ы'
в java всегда'ы'
независимо от того откуда и из какой кодировки оно пришло. 6 июн 2018 в 13:55 -
Удивительное открытие: Cp1251. Т.е. я просто не смогу вставить в консоль символ какого нибудь бемоля из нотной грамоты. Хитрое и красивое решение в Java, о котором я не знал. Спасибо!– Direct6 июн 2018 в 16:57
-
@Direct Пожалуйста! Кодировку
InputStreamReader
можно задать любую. Настройка консоли Windows может быть хитрее, посмотрите командуchcp
6 июн 2018 в 17:13 -
1Да, тыкался с этой командой вчера :) не мог предугадать, что
InputSreamReader
не сплошной unicode =)– Direct6 июн 2018 в 17:15
При явном приведении строки к массиву байтов:
import java.util.Arrays;
public class App {
public static void main(String[] args) {
String str = "t";
byte[] b = str.getBytes();
System.out.println(b.length); //длина массива
System.out.println(Arrays.toString(b)); //значение
}
}
увидим в консоли
1
[116]
Длина массива из строки "t"
это 1, а искомый байт 116
.
Дейстивительно, как выше ответил @default locale, read()
честно отдает этот байт.
P.S.
В случае с двубайтным символом, например "ы"
, метод getBytes()
дает массив из двух байт [-47, -117]
, а если считывать этот символ из потока методом System.in.read()
, мы получим тоже два байта 209 и 139. Почему так, потому что (цитирую из "Программирование на Java", Патрик Нимейер, Дэниэл Леук, 4-е издание 2014 г., стр.568 )
на платформе Java для выделения конца потока данный метод использует специальное значение, следуя стандарту из языка С. Байты возвращаются в виде беззнаковых целых чисел в диапазоне от 0 до 255;
Закономерность смещения значения байтов простая - явное приведение int
к byte
.
(byte) 209
и (byte) 139
соответственно -47
и -117
.
В случае, если мы читаем методом read()
из потока типа BufferedReader
, то возвращаем кодировку символа, как сказано в документации:
The character read, as an integer in the range 0 to 65535 (0x00-0xffff)
-
1
-
1Первоначально было сложно понять, что именно вызвало трудности, поскольку в вопросе были некоторые неточности, которые вы исправили. Эти неточности касались понимания байтового (а не битового) представления символов в JVM. 11 июн 2018 в 16:00