【旃蒙】深度探索-JAVA NIO VS 传统 IO（二）编码解码

如果这篇文章对您有些用处，请点赞告诉我O(∩_∩)O

接上篇，继续研究第（2）个问题：

（1）传统IO中也有BufferInputStream，BufferReader，和NIO中的Buffer相比有什么不同？

（2）传统IO中的Reader，Writer也能实现编码解码，和NIO中的Charset相比有什么不同？

（3）传统IO对流read，writer，NIO对通道read，writer有什么不同？是否支持一些新的IO操作？

（4）传统IO里面没有Selector这个特性，看不懂，它能带来什么好处？

一、基本概念

要弄懂Charset，就必须了解编码解码含义。

假设将一段文字写入文件，然后在从文件中读出来。

这样一个简单的场景，计算机如何操作呢？

问题1：如何将文字转换为0，1的数字？

首先大家都知道计算机只认识0，1，无法理解字符，也就无法理解汉字。如何将文字转换为数字呢？

人们想到要给世界上所有的字符都指定唯一的一个数字与其对应。这个数字称为码点，范围是0-0x10FFFF，整套数字称为统一码UNICODE。

下图是汉字在UNICODE范围，网上也有使用4E00~9FA5判断是否为汉字，其实不是非常准确。（0，1的二进制太长，我们更喜欢用十六进制表示）

（此图来自qqxiuzi）

如：

问题2：如何“断字”？

解决了字符对应数字的问题后，如果按照UNICODE码点直接存入文件，有可能是2个字节也有可能是3个，当我们从文件中读出一个字节，如何分辨属于前者还是后者。如：“李𠗃” 使用UNICODE码点存入文件后为674E205C3，只有读出正确的码点，才能对照出正确字符，那么此时几个字节对应一个字符呢？分辨不出。

于是人们想到给码点规定统一的长度，即统一4个字节表示一个UNICODE码点（不够补0），写入和读出时按照统一规则“断字”。这种二次编码（UNICODE编码的编码）称为UCS-4，范围为 U+00000000～U+7FFFFFFF。“李𠗃” 使用UCS-4编码后为0000674E 00205C3，读出时4个字节一读就可以得到正确的码点。

问题3：如何避免空间浪费？

使用定长编码解决了“断字”的问题。但UNICODE码点是2~3个字节，现在都使用4个字节二次编码，这样文字越多，存储空间浪费越多。接着人们想到了动态长度编码，即将UNICODE码点，按照不同范围，放到1~4个字节的模板里，再次编码。