Java基礎之文件概述

目錄

一、基本概念和常識

下面，我們先介紹一些基本概念和常識，包括二進(jìn)制思維、文件類(lèi)型、文本文件的編碼、文件系統和文件讀寫(xiě)等。

1.1 二進(jìn)制思維

為了透徹理解文件，我們首先要有一個(gè)二進(jìn)制思維。 所有文件， 不論是可執行文件、圖片文件、視頻文件、Word文件、壓縮文件、txt 文件，都沒(méi)什么可神秘的，它們都是以0和1的二進(jìn)制形式保存的。我們 所看到的圖片、視頻、文本，都是應用程序對這些二進(jìn)制的解析結果。

作為程序員，我們應該有一個(gè)編輯器，能查看文件的二進(jìn)制形式， 比如UltraEdit，它支持以十六進(jìn)制進(jìn)行查看和編輯。比如，一個(gè)文本文 件，看到的內容為：

打開(kāi)十六進(jìn)制編輯，看到的內容如圖所示。

左邊的部分就是其對應的十六進(jìn)制，“hello"對應的十六進(jìn)制 是"68656C 6C 6F”，對應ASCII碼編號"104101108108111"，“馬"對應的 十六進(jìn)制是"E9A9AC”，這是"馬"的UTF-8編碼。

1.2 文件類(lèi)型

雖然所有數據都是以二進(jìn)制形式保存的，但為了方便處理數據，高 級語(yǔ)言引入了數據類(lèi)型的概念。文件處理也類(lèi)似，所有文件都是以二進(jìn) 制形式保存的，但為了便于理解和處理文件，文件也有文件類(lèi)型的概 念。

文件類(lèi)型通常以擴展名的形式體現，比如，PDF文件類(lèi)型的擴展名 是.pdf，圖片文件的一種常見(jiàn)擴展名是.jpg，壓縮文件的一種常見(jiàn)擴展名 是.zip。每種文件類(lèi)型都有一定的格式，代表著(zhù)文件含義和二進(jìn)制之間的映射關(guān)系。比如一個(gè)Word文件，其中有文本、圖片、表格，文本可 能有顏色、字體、字號等，doc文件類(lèi)型就定義了這些內容和二進(jìn)制表 示之間的映射關(guān)系。有的文件類(lèi)型的格式是公開(kāi)的，有的可能是私有 的，我們也可以定義自己私有的文件格式。

對于一種文件類(lèi)型，往往有一種或多種應用程序可以解讀它，進(jìn)行 查看和編輯，一個(gè)應用程序往往可以解讀一種或多種文件類(lèi)型。在操作 系統中，一種擴展名往往關(guān)聯(lián)一個(gè)應用程序，比如.doc后綴關(guān)聯(lián)Word應 用。用戶(hù)通過(guò)雙擊試圖打開(kāi)某擴展名的文件時(shí)，操作系統查找關(guān)聯(lián)的應 用程序，啟動(dòng)該程序，傳遞該文件路徑給它，程序再打開(kāi)該文件。

需要說(shuō)明的是，給文件加正確的擴展名是一種慣例，但并不是強制 的，如果擴展名和文件類(lèi)型不匹配，應用程序試圖打開(kāi)該文件時(shí)可能會(huì ) 報錯。另外，一個(gè)文件可以選擇使用多種應用程序進(jìn)行解讀，在操作系 統中，一般通過(guò)右鍵單擊文件，選擇打開(kāi)方式即可。

文件類(lèi)型可以粗略分為兩類(lèi)：一類(lèi)是文本文件；另一類(lèi)是二進(jìn)制文件。文本文件的例子有普通的文本文件（.txt），程序源代碼文件 （.java）、HTML文件（.html）等；二進(jìn)制文件的例子有壓縮文件 （.zip）、PDF文件（.pdf）、MP3文件（.mp3）、Excel文件（.xlsx） 等。

基本上，文本文件里的每個(gè)二進(jìn)制字節都是某個(gè)可打印字符的一部分，都可以用最基本的文本編輯器進(jìn)行查看和編輯，如Windows上的notepad、Linux上的vi。二進(jìn)制文件中，每個(gè)字節就不一定表示字符， 可能表示顏色、字體、聲音大小等，如果用基本的文本編輯器打開(kāi)，一 般都是滿(mǎn)屏的亂碼，需要專(zhuān)門(mén)的應用程序進(jìn)行查看和編輯。

1.3 文本文件的編碼

對于文本文件，我們還必須注意文件的編碼方式。文本文件中包含 的基本都是可打印字符，但字符到二進(jìn)制的映射（即編碼）卻有多種方 式，如GB18030、UTF-8，我們在第2章詳細介紹過(guò)各種編碼，這里就不 贅述了。

對于一個(gè)給定的文本文件，它采用的是什么編碼方式呢？一般而言，我們是不知道的。那應用程序用什么編碼方式進(jìn)行解讀呢？一般使 用某種默認的編碼方式，可能是應用程序默認的，也可能是操作系統默 認的，當然也可能采用一些比較智能的算法自動(dòng)推斷編碼方式。

對于UTF-8編碼的文件，我們需要特別說(shuō)明。有一種方式，可以標 記該文件是UTF-8編碼的，那就是在文件最開(kāi)頭加入三個(gè)特殊字節 （0xEF 0xBB 0xBF），這三個(gè)特殊字節被稱(chēng)為BOM頭，BOM是Byte Order Mark（即字節序標記） 的縮寫(xiě)。比如，對前面的hello.txt文件，帶 BOM頭的UTF-8編碼的十六進(jìn)制形式如圖13-2所示。

圖13-1和圖13-2所示都是UTF-8編碼，看到的字符內容也一樣，但 二進(jìn)制內容不一樣，一個(gè)帶BOM頭，一個(gè)不帶BOM頭。

需要注意的是，不是所有應用程序都支持帶BOM頭的UTF-8編碼文件，比如PHP就不支持BOM，如果PHP源代碼文件帶BOM頭，PHP運行 就會(huì )出錯。碰到這種問(wèn)題時(shí)，前面介紹的二進(jìn)制思維就特別重要，不要只看文件的顯示，還要看文件背后的二進(jìn)制。

另外，我們需要說(shuō)明下文本文件的換行符。在Windows系統中，換 行符一般是兩個(gè)字符"\r\n"，即ASCII碼的13（'\r'）和10（'\n'），在 Linux系統中，換行符一般是一個(gè)字符"\n"。

1.4 文件系統

文件一般是放在硬盤(pán)上的，一個(gè)機器上可能有多個(gè)硬盤(pán)，但各種操作系統都會(huì )隱藏物理硬盤(pán)概念，提供一個(gè)邏輯上的統一結構。在 Windows中，可以有多個(gè)邏輯盤(pán)，如C、D、E等，每個(gè)盤(pán)可以被格式化 為一種不同的文件系統，常見(jiàn)的文件系統有FAT32和NTFS。在Linux 中，只有一個(gè)邏輯的根目錄，用斜線(xiàn)/表示。Linux支持多種不同的文件 系統，如Ext2/Ext3/Ext4等。不同的文件系統有不同的文件組織方式、 結構和特點(diǎn)，不過(guò)，一般編程時(shí)，語(yǔ)言和類(lèi)庫為我們提供了統一的 API，我們并不需要關(guān)心其細節。

在邏輯上，Windows中有多個(gè)根目錄，Linux中有一個(gè)根目錄，每 個(gè)根目錄下有一棵子目錄和文件構成的樹(shù)。每個(gè)文件都有文件路徑 的概念，路徑有兩種形式：一種是絕對路徑 ，另一種是相對路徑 。

所謂絕對路徑，是從根目錄開(kāi)始到當前文件的完整路徑，在 Windows中，目錄之間用反斜線(xiàn)分隔，如C：\code\hello.java，在Linux 中，目錄之間用斜線(xiàn)分隔，如/Users/laoma/Desktop/code/hello.java。在 Java中，java.io.File類(lèi)定義了一個(gè)靜態(tài)變量File.separator，表示路徑分隔 符，編程時(shí)應使用該變量而避免硬編碼。

所謂相對路徑，是相對于當前目錄 而言的。在命令行終端上，通 過(guò)cd命令進(jìn)入的目錄就是當前目錄；在Java中，通過(guò) System.getProperty（“user.dir”）可以得到運行Java程序的當前目錄。相對路徑不以根目錄開(kāi)頭，比如在Windows上，當前目錄為D：\laoma， 相對路徑為code\hello.java，則完整路徑為D：\laoma\code\hello.java。

每個(gè)文件除了有具體內容，還有元數據信息 ，如文件名、創(chuàng )建時(shí) 間、修改時(shí)間、文件大小等。文件還有一個(gè)是否隱藏 的性質(zhì)。在Linux 系統中，如果文件名以.開(kāi)頭，則為隱藏文件；在Windows系統中，隱藏 是文件的一個(gè)屬性，可以進(jìn)行設置。

大部分文件系統的文件和目錄具有訪(fǎng)問(wèn)權限 的概念，對所有者、 用戶(hù)組可以有不同的權限，具體權限包括讀、寫(xiě)、執行。

文件名有大小寫(xiě)是否敏感 的概念。在Windows系統中，一般是大小 寫(xiě)不敏感的，而Linux則一般是大小寫(xiě)敏感的。也就是說(shuō)，同一個(gè)目錄下，abc.txt和ABC.txt在Windows中被視為同一個(gè)文件，而在Linux中則 被視為不同的文件。

操作系統中有一個(gè)臨時(shí)文件 的概念。臨時(shí)文件位于一個(gè)特定目 錄，比如Windows 7中，臨時(shí)文件一般位于“C：\Users\用戶(hù)名 \AppData\Local\Temp”；Linux系統中，臨時(shí)文件位于/tmp。操作系統會(huì )有一定的策略自動(dòng)清理不用的臨時(shí)文件。臨時(shí)文件一般不是用戶(hù)手工創(chuàng )建的，而是應用程序產(chǎn)生的，用于臨時(shí)目的。

1.5 文件讀寫(xiě)

文件是放在硬盤(pán)上的，程序處理文件需要將文件讀入內存，修改后，需要寫(xiě)回硬盤(pán)。操作系統提供了對文件讀寫(xiě)的基本API，不同操作 系統的接口和實(shí)現是不一樣的，不過(guò)，有一些共同的概念。Java封裝了 操作系統的功能，提供了統一的API。

一個(gè)基本常識是：硬盤(pán)的訪(fǎng)問(wèn)延時(shí)，相比內存，是很慢的 。操作系統和硬盤(pán)一般是按塊批量傳輸，而不是按字節，以攤銷(xiāo)延時(shí)開(kāi)銷(xiāo)，塊 大小一般至少為512字節，即使應用程序只需要文件的一個(gè)字節，操作 系統也會(huì )至少將一個(gè)塊讀進(jìn)來(lái)。一般而言，應盡量減少接觸硬盤(pán)，接觸 一次，就一次多做一些事情。對于網(wǎng)絡(luò )請求和其他輸入輸出設備，原則 都是類(lèi)似的。

另一個(gè)基本常識是：一般讀寫(xiě)文件需要兩次數據復制 ，比如讀文件，需要先從硬盤(pán)復制到操作系統內核，再從內核復制到應用程序分配的內存中。操作系統運行所在的環(huán)境和應用程序是不一樣的，操作系統所在的環(huán)境是內核態(tài)，應用程序是用戶(hù)態(tài)，應用程序調用操作系統的功能，需要兩次環(huán)境的切換，先從用戶(hù)態(tài)切到內核態(tài)，再從內核態(tài)切到用 戶(hù)態(tài)。這種用戶(hù)態(tài)/內核態(tài)的切換是有開(kāi)銷(xiāo)的，應盡量減少這種切換。

為了提升文件操作的效率，應用程序經(jīng)常使用一種常見(jiàn)的策略，即使用緩沖區 。讀文件時(shí)，即使目前只需要少量?jì)热?，但預知還會(huì )接著(zhù)讀取，就一次讀取比較多的內容，放到讀緩沖區，下次讀取時(shí)，如果緩 沖區有，就直接從緩沖區讀，減少訪(fǎng)問(wèn)操作系統和硬盤(pán)。寫(xiě)文件時(shí)，先 寫(xiě)到寫(xiě)緩沖區，寫(xiě)緩沖區滿(mǎn)了之后，再一次性調用操作系統寫(xiě)到硬盤(pán)。 不過(guò)，需要注意的是，在寫(xiě)結束的時(shí)候，要記住將緩沖區的剩余內容同步到硬盤(pán)。操作系統自身也會(huì )使用緩沖區，不過(guò)，應用程序更了解讀寫(xiě)模式，恰當使用往往可以有更高的效率。

操作系統操作文件一般有打開(kāi)和關(guān)閉的概念 。打開(kāi)文件會(huì )在操作系統內核建立一個(gè)有關(guān)該文件的內存結構，這個(gè)結構一般通過(guò)一個(gè)整數索引來(lái)引用，這個(gè)索引一般稱(chēng)為文件描述符 。這個(gè)結構是消耗內存 的，操作系統能同時(shí)打開(kāi)的文件一般也是有限的，在不用文件的時(shí)候， 應該記住關(guān)閉文件 。關(guān)閉文件一般會(huì )同步緩沖區內容到硬盤(pán)，并釋放占據的內存結構。

操作系統一般支持一種稱(chēng)為內存映射文件 的高效的隨機讀寫(xiě)大文 件的方法，將文件直接映射到內存，操作內存就是操作文件。在內存映 射文件中，只有訪(fǎng)問(wèn)到的數據才會(huì )被實(shí)際復制到內存，且數據只會(huì )復制 一次，被操作系統以及多個(gè)應用程序共享。

二、Java文件概述

在Java中處理文件有一些基本概念和類(lèi)，包括流、裝飾器設計模 式、Reader/Writer、隨機讀寫(xiě)文件、File、NIO、序列化和反序列化，下 面分別介紹。

2.1 流

在Java中（很多其他語(yǔ)言也類(lèi)似），文件一般不是單獨處理的，而是視為輸入輸出（Input/Output，IO）設備的一種。Java使用基本統一的 概念處理所有的IO，包括鍵盤(pán)、顯示終端、網(wǎng)絡(luò )等。

這個(gè)統一的概念是流 ，流有輸入流 和輸出流之分。輸入流就是可以從中獲取數據，輸入流的實(shí)際提供者可以是鍵盤(pán)、文件、網(wǎng)絡(luò )等；輸出流就是可以向其中寫(xiě)入數據，輸出流的實(shí)際目的地可以是顯示終端、 文件、網(wǎng)絡(luò )等。

Java IO的基本類(lèi)大多位于包java.io中。類(lèi)InputStream表示輸入流， OutputStream表示輸出流，而FileInputStream表示文件輸入流， FileOutputStream表示文件輸出流。

有了流的概念，就有了很多面向流的代碼，比如對流做加密、壓縮、計算信息摘要、計算檢驗和等，這些代碼接受的參數和返回結果都 是抽象的流，它們構成了一個(gè)協(xié)作體系，這類(lèi)似于之前介紹的接口概 念、面向接口的編程，以及容器類(lèi)協(xié)作體系。 一些實(shí)際上不是IO的數據源和目的地也轉換為了流，以方便參與這種協(xié)作，比如字節數組，也包裝為了流ByteArrayInputStream和ByteArrayOutputStream。

2.2 裝飾器設計模式 

基本的流按字節讀寫(xiě)，沒(méi)有緩沖區，這不方便使用。Java解決這個(gè) 問(wèn)題的方法是使用裝飾器設計模式，引入了很多裝飾類(lèi)，對基本的流增 加功能，以方便使用。一般一個(gè)類(lèi)只關(guān)注一個(gè)方面，實(shí)際使用時(shí)，經(jīng)常會(huì )需要多個(gè)裝飾類(lèi)。

Java中有很多裝飾類(lèi)，有兩個(gè)基類(lèi)：過(guò)濾器輸入流FilterInputStream 和過(guò)濾器輸出流FilterOutputStream。過(guò)濾類(lèi)似于自來(lái)水管道，流入的是 水，流出的也是水，功能不變，或者只是增加功能。它有很多子類(lèi)，這 里列舉一些：

1）對流起緩沖裝飾的子類(lèi)是BufferedInputStream和 BufferedOutputStream。

2）可以按8種基本類(lèi)型和字符串對流進(jìn)行讀寫(xiě)的子類(lèi)是 DataInputStream和DataOutput-Stream。

3）可以對流進(jìn)行壓縮和解壓縮的子類(lèi)有GZIPInputStream、 ZipInputStream、GZIPOutput-Stream和ZipOutputStream。

4）可以將基本類(lèi)型、對象輸出為其字符串表示的子類(lèi)有 PrintStream。

眾多的裝飾類(lèi)使得整個(gè)類(lèi)結構變得比較復雜，完成基本的操作也需 要比較多的代碼；其優(yōu)點(diǎn)是非常靈活，在解決某些問(wèn)題時(shí)也很優(yōu)雅。

2.3 Reader/Writer

以InputStream/OutputStream為基類(lèi)的流基本都是以二進(jìn)制形式處理 數據的，不能夠方便地處理文本文件，沒(méi)有編碼的概念，能夠方便地按字符處理文本數據的基類(lèi)是Reader和Writer，它也有很多子類(lèi)：

1）讀寫(xiě)文件的子類(lèi)是FileReader和FileWriter。

2）起緩沖裝飾的子類(lèi)是BufferedReader和BufferedWriter。

3）將字符數組包裝為Reader/Writer的子類(lèi)是CharArrayReader和 CharArrayWriter。

4）將字符串包裝為Reader/Writer的子類(lèi)是StringReader和 StringWriter。

5）將InputStream/OutputStream轉換為Reader/Writer的子類(lèi)是 InputStreamReader和OutputStreamWriter。

6）將基本類(lèi)型、對象輸出為其字符串表示的子類(lèi)是PrintWriter。

2.4 隨機讀寫(xiě)文件

大部分情況下，使用流或Reader/Writer讀寫(xiě)文件內容，但Java提供 了一個(gè)獨立的可以隨機讀寫(xiě)文件的類(lèi)RandomAccessFile，適用于大小已 知的記錄組成的文件。該類(lèi)在日常應用開(kāi)發(fā)中用得比較少，但在一些系 統程序中用得比較多。

2.5 File

上面介紹的都是操作數據本身，而關(guān)于文件路徑、文件元數據、文 件目錄、臨時(shí)文件、訪(fǎng)問(wèn)權限管理等，Java使用File這個(gè)類(lèi)來(lái)表示。

2.6 NIO

以上介紹的類(lèi)基本都位于包java.io下，Java還有一個(gè)關(guān)于IO操作的 包java.nio，nio表示New IO，這個(gè)包下同樣包含大量的類(lèi)。

NIO代表一種不同的看待IO的方式，它有緩沖區和通道的概念。 利 用緩沖區和通道往往可以達成和流類(lèi)似的目的，不過(guò)，它們更接近操作系統的概念，某些操作的性能也更高。比如，復制文件到網(wǎng)絡(luò )，通道可 以利用操作系統和硬件提供的DMA機制（Direct Memory Access，直接 內存存?。?，不用CPU和應用程序參與，直接將數據從硬盤(pán)復制到網(wǎng)卡。

除了看待方式不同，NIO還支持一些比較底層的功能，如內存映射 文件、文件加鎖、自定義文件系統、非阻塞式IO、異步IO等。

不過(guò)，這些功能要么是比較底層，普通應用程序用到得比較少，要 么主要適用于網(wǎng)絡(luò )IO操作，我們大多不會(huì )介紹，只會(huì )介紹內存映射文 件。

2.7 序列化和反序列化

簡(jiǎn)單來(lái)說(shuō)，序列化就是將內存中的Java對象持久保存到一個(gè)流中， 反序列化就是從流中恢復Java對象到內存。序列化和反序列化主要有兩個(gè)用處：一是對象狀態(tài)持久化，二是網(wǎng)絡(luò )遠程調用，用于傳遞和返回對象。

Java主要通過(guò)接口Serializable和類(lèi) ObjectInputStream/ObjectOutputStream提供對序列化的支持，基本的使用 是比較簡(jiǎn)單的，但也有一些復雜的地方。不過(guò)，Java的默認序列化有一 些缺點(diǎn)，比如，序列化后的形式比較大、浪費空間，序列化/反序列化 的性能也比較低，更重要的問(wèn)題是，它是Java特有的技術(shù)，不能與其他 語(yǔ)言交互。

XML是前幾年最為流行的描述結構性數據的語(yǔ)言和格式，Java對象也可以序列化為XML格式。XML容易閱讀和編輯，且可以方便地與其 他語(yǔ)言進(jìn)行交互。XML強調格式化但比較“笨重”，JSON是近幾年來(lái)逐 漸流行的輕量級的數據交換格式，在很多場(chǎng)合替代了XML，也非常容 易閱讀和編輯。Java對象也可以序列化為JSON格式，且與其他語(yǔ)言進(jìn)行交互。

XML和JSON都是文本格式，人容易閱讀，但占用的空間相對大一 些，在只用于網(wǎng)絡(luò )遠程調用的情況下，有很多流行的、跨語(yǔ)言的、精簡(jiǎn) 且高效的對象序列化機制，如ProtoBuf、Thrift、MessagePack等。其 中，MessagePack是二進(jìn)制形式的JSON，更小更快。

文件看起來(lái)是一件非常簡(jiǎn)單的事情，但實(shí)際卻沒(méi)有那么簡(jiǎn)單，Java 的設計也不是太完美，包含了大量的類(lèi)，這使得對于文件的理解變得困 難。為便于理解，我們將采用以下思路在接下來(lái)的章節中進(jìn)行探討。

首先，我們介紹如何處理二進(jìn)制文件，或者將所有文件看作二進(jìn)制，介紹如何操作，對于常見(jiàn)操作，我們會(huì )封裝，提供一些簡(jiǎn)單易用的方法。下一步，我們介紹如何處理文本文件，我們會(huì )考慮編碼、按行處 理等，同樣，對于常見(jiàn)操作，我們會(huì )封裝，提供簡(jiǎn)單易用的方法。接下 來(lái)，我們介紹文件本身和目錄操作File類(lèi)，我們也會(huì )封裝常見(jiàn)操作。以 上這些內容是文件處理的基本技術(shù)，我們會(huì )在本章進(jìn)行討論。

在日常編程中，我們經(jīng)常會(huì )需要處理一些具體類(lèi)型的文件，如屬性 文件、CSV文件、Excel文件、HTML文件和壓縮文件，直接使用字節 流/字符流來(lái)處理一般是很不方便的，往往有一些更為高層的API，關(guān)于 這些，我們下章介紹。此外，下章還會(huì )介紹比較底層的對文件的操作 RandomAccessFile類(lèi)、內存映射文件，以及序列化。文件看上去應該很 簡(jiǎn)單，但實(shí)際卻包含很多內容，讓我們耐住性子，下一節，先從二進(jìn)制 開(kāi)始。

到此這篇關(guān)于Java基礎之文件概述的文章就介紹到這了,更多相關(guān)Java文件概述內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！