Question

在阅读文本文件时，我想做这样的事情：

InputStream input = ...;
int read = input.read();
if (Character.isWhitespace(read)) {
    // do something with the whitespace
}

另一种方法是检查负read()返回值（也就是输入结束）并显式转换：

InputStream input = ...;
int read = input.read();
if (read >= 0 && Character.isWhitespace((char) read)) {
    // do something with the whitespace
}

然而，这涉及额外的分支和演员，我希望我的代码尽可能高效，所以我更喜欢第一种方法。

但是，我希望我的代码更强大:)我不确定第一种方法是否会产生微妙的问题。根据我收集的内容，Unicode将0xFFFF和0xFFFFFFFF定义为非字符，因此我认为它是安全的。但专家们说了什么？

只是为了确保，问题与我的方法是否对所有 Character.isXxx()方法都安全有关，而不仅仅是Character.isWhitespace()。

Answer 1

InputStream.read()方法读取单个8位字节并将其作为int范围内的32位0x00 - 0xFF返回，或者返回{ EOF上的{1}}。

接受32位-1作为输入的Character.isXXX()方法需要{strong>完整的Unicode代码点，范围为int。如果文件由7位ASCII字符组成（其中字节0x00 - 0x10FFFF映射到代码点0x00 - 0x7F）或ISO-，则单个字节可以按原样表示完整代码点8859-1（其中字节U+0000 - U+007F映射到代码点0x00 - 0xFF）。如果文件使用任何其他编码，则无法保证任何给定字节将按原样映射到具有相同值的代码点，尤其是当字节大于U+0000 - U+00FF时（大多数7/8位编码使用相同的字节值进行ASCII兼容 - 但不是全部都这样做。）。

接受16位0x7F作为输入的Character.isXXX()方法需要{strong> UTF-16代码单元，范围为char。单个0x00 - 0xFFFF可以保存Unicode代码点，直到代码点char。但是，这些方法不支持支持UTF-16代理，因此无法处理U+FFFF上方的Unicode代码点（需要2 U+FFFF个值来代表它们）。

因此，要回答您的问题 - 您可以char来自文件的任何给定字节并将其原样传递给read()方法并获得可靠的结果吗？答案是 - 取决于文件的实际编码。如果文件是以7位ASCII或8位ISO-8859-1编码，那么是。否则，可能是，但通常仅用于字节0x7F，因为字节Character.isXXX()是特定于编码的，并且将取决于特定编码如何在字节和Unicode代码点之间映射（假设文件甚至使用一个7/8位编码开始）。

Answer 2

是的，这很安全。对于0xFFFFFFFF情况，所有isXxx方法都返回false。实际上，对于0x000FFFFF之外的所有内容都是如此，因为这些值在Unicode中是未定义的。对于0xFFFF，它大致相同，尽管isBmpCodePoint是真的。

在Java中，使用从InputStream.read（）返回的int调用Character.isXxx（）方法是否安全？

2 个答案: