每个字节读取的输入流如何工作？答案

【问题标题】：How does inputstream per byte reading work?每个字节读取的输入流如何工作？
【发布时间】：2019-09-24 17:01:46
【问题描述】：

我无法理解 System.in.read() 方法的工作原理。

有这样一段代码：

    public static void main(String[] args) throws IOException {
        while (true){
            Integer x = System.in.read();
            System.out.println(Integer.toString(x, 2));
        }

我知道 System.in.read() 方法从输入流中读取每一个字节。

所以当我输入'A'(U+0041, 一个字节用于存储char) - 程序输出为：

 1000001 (U+0041)
 1010 (NL) - it works as expected.

但是当我输入 'Я'(U+042F, 两个字节用于存储字符) - 输出是：

 11010000 (byte1)
 10101111 (byte2)
 1010 (byte3 - NL)

字母'Я'(U+042F)的真实编码是10000101111。

为什么 11010000 10101111 (byte1 + byte2) 不是字母 'Я'(U+042F) 的二进制代码？

【问题讨论】：

因为11010000 10101111是用UTF-8编码的Unicode字符U+042F。
一个文本流编码二进制字符。您的输入流可能是 UTF8 格式，否则 ASCII 范围不会是单字节，但也会有 00 部分。阅读有关 UTF-8 的信息。
见stackoverflow.com/questions/40124088/…
'A' 在单字节范围内：十进制值 65，完全在单字节的 -128 到 127 数字范围内。 'Я' 是多字节的，因为十进制值 1,071 不能用单个字节表示。
附带说明，您应该在此处使用int。没有理由将值装箱到 Integer 对象中。

标签： java inputstream

【解决方案1】：

这取决于将数据发送到System.in 的外部进程。它可以是命令 shell、IDE 或其他进程。

在命令外壳的典型情况下，外壳将配置字符编码。（chcp 在 Windows 上，locale charmap 在 Linux 上。）

字符编码决定了图形字符或字形如何编码为数字。例如，Windows 机器可能使用"Windows-1251" 的“代码页”并将“Я”编码为一个字节（0xCF）。或者，它可以使用 UTF-8 并将“Я”编码为两个字节 (0xD0 0xAF)，或者使用 UTF-16 并使用两个不同的字节 (0x04 0x2F)。

您的结果表明，向您的 Java 程序发送数据的进程使用 UTF-8 作为编码。

【讨论】：