Раздел 11. Работа с файлами, I/O и сетью (NIO.2)

Глава 1. Классический Java I/O (java.io)

Правильная работа с текстовыми файлами: InputStreamReader и OutputStreamWriter

Классы FileReader и FileWriter — удобные обертки, но содержат фундаментальный архитектурный дефект: они используют кодировку платформы по умолчанию, определяемую системным свойством file.encoding. Это свойство зависит от операционной системы, locale пользователя и параметров запуска JVM.

// Антипаттерн: неявная кодировка платформы
try (FileReader reader = new FileReader("text.txt")) {
    // На Windows может использоваться windows-1251
    // На Linux — UTF-8
    // На macOS — UTF-8
    // Результат непредсказуем при переносе между системами
}

Эта неопределенность делает FileReader/FileWriter непригодными для переносимого кода. Файл, записанный на одной системе, может быть искажен при чтении на другой. Современная практика рекомендует явное указание кодировки UTF-8 для всех текстовых операций.


InputStreamReader: декодирование байтов в символы

InputStreamReader — мост от байтовых потоков к символьным. Он читает байты из InputStream и декодирует их в символы char с использованием указанной кодировки.

public InputStreamReader(InputStream in, Charset cs)

Конструктор принимает InputStream — источник сырых байтов, и Charset — правило декодирования. StandardCharsets.UTF_8 — предопределенная константа, исключающая риск неподдерживаемой кодировки.

Путь данных через память JVM

try (InputStreamReader reader = new InputStreamReader(
        new FileInputStream("text.txt"), StandardCharsets.UTF_8)) {
    
    int charValue;
    while ((charValue = reader.read()) != -1) {
        System.out.print((char) charValue);
    }
}

Путь данных детально:

[Файл на диске: байты UTF-8]
  -> [Page Cache ОС: байты файла]
    -> [FileInputStream.read(byte[]) — системный вызов]
      -> [Нативный буфер userspace]
        -> [JNI: копирование в byte[] внутри InputStreamReader]
          -> [InputStreamReader: накопление байт во внутреннем ByteBuffer]
            -> [CharsetDecoder UTF-8: конечный автомат декодирования]
              -> [CharBuffer: накопление декодированных символов]
                -> [read(): возврат char как int]
                  -> [System.out.print(char): кодирование в байты платформы]

Внутреннее устройство InputStreamReader из OpenJDK:

// Упрощенная структура
public class InputStreamReader extends Reader {
    private final StreamDecoder sd; // Делегат декодирования
    
    // StreamDecoder содержит:
    // - ByteBuffer: входные байты из потока
    // - CharBuffer: выходные символы
    // - CharsetDecoder: конечный автомат кодировки
}

StreamDecoder — внутренний класс, выполняющий реальную работу. Он управляет ByteBuffer для входных байт и CharBuffer для выходных символов. Буферы создаются при конструировании и живут до закрытия потока.


Механика декодирования UTF-8

UTF-8 — кодировка переменной длины. Декодер должен обрабатывать мультибайтовые последовательности, разбитые между блоками чтения:

// Сценарий: 3-байтовый символ '世' (U+4E16, E4 B8 96) разбит между чтениями

// Первое чтение: получены байты [..., E4, B8] — неполная последовательность
// StreamDecoder сохраняет E4 B8 во внутреннем ByteBuffer, возвращает 0 символов

// Второе чтение: получен байт [96, ...] — завершение последовательности
// StreamDecoder комбинирует E4 B8 96, декодирует в U+4E16, возвращает '世'

Это требует внутреннего состояния в StreamDecoder: неполные байтовые последовательности сохраняются между вызовами read(). Буфер для этих остатков — часть ByteBuffer в heap.


OutputStreamWriter: кодирование символов в байты

OutputStreamWriter — зеркальный мост: принимает символы char или String, кодирует их в байты согласно указанной кодировке, и записывает в OutputStream.

public OutputStreamWriter(OutputStream out, Charset cs)

Путь данных через память JVM

try (OutputStreamWriter writer = new OutputStreamWriter(
        new FileOutputStream("output.txt"), StandardCharsets.UTF_8)) {
    
    writer.write("Hello, 世界! 🌍");
}

Путь данных детально:

[Java-код: String "Hello, 世界! 🌍"]
  -> [String.toCharArray() или прямой доступ к внутреннему char[]]
    -> [OutputStreamWriter.write(char[], off, len)]
      -> [StreamEncoder: кодирование char -> байты]
        -> [CharsetEncoder UTF-8: конечный автомат]
          -> [ByteBuffer: накопление закодированных байт]
            -> [FileOutputStream.write(byte[]): системный вызов]
              -> [Нативный буфер userspace]
                -> [Ядро ОС: syscall write]
                  -> [Page Cache: dirty pages]
                    -> [Фоновая запись на диск]

StreamEncoder — внутренний аналог StreamDecoder. Он управляет CharBuffer для входных символов и ByteBuffer для выходных байт. При вызове write(String) символы сначала копируются в CharBuffer, затем кодер преобразует их в байты UTF-8.


Кодирование и размер выходных данных

Строка "Hello, 世界! 🌍" содержит:
8 символов ASCII: 8 байт UTF-8
'世' (U+4E16): 3 байта UTF-8
'界' (U+754C): 3 байта UTF-8
'🌍' (U+1F30D): суррогатная пара, 4 байта UTF-8

Итого: 18 байт для 11 кодовых точек, 12 char в Java
StreamEncoder должен обрабатывать суррогатные пары корректно: старший суррогат без младшего не является валидным символом и должен либо ждать дополнительных данных, либо генерировать замену (replacement character U+FFFD).


#Java #для_новичков #beginner #IO #NIO #InputStreamReader #OutputStreamWriter