Как я могу читать символы до определенного в Java?

Question

Я хочу прочитать несколько слов из файла. Я не нашел никакого способа сделать это, поэтому я решил прочитать char по char , но мне нужно остановиться на пробелах, чтобы сохранить прочитанное слово в моем массиве и перейти к следующему.

Я делаю приложение внешней сортировки, поэтому у меня есть ограничение памяти, и в этом случае я не могу просто использовать readLine(), а затем split(), мне нужно иметь контроль над тем, что я читать.

Метод read() возвращает int , и я понятия не имею, что можно сделать, чтобы read() метод возвратил char и прекратил чтение после пробела.

Это мой код:

protected static String [] readWords(String arqName, int amountOfWords) throws IOException {
    FileReader arq = new FileReader(arqName);
    BufferedReader lerArq = new BufferedReader(arq);

    String[] words = new String[amountOfWords];

    for (int i = 0; i < amountOfWords; i++){
        //words[i] = lerArq.read();
    }

    return words;
}

Редактировать 1: Я использовал Сканер и метод next(), это сработало. Инициализация сканера на основном

static String [] readWords(int amountOfWords, Scanner leitor) throws IOException {
    String[] words= new String[amountOfWords];

    for (int i = 0; i < amountOfWords; i++){
        words[i] = leitor.next();
    }

    return words;
}

Answer 1

Если вы хотите читать это символ за символом (чтобы иметь больше контроля над тем, что вы хотите сохранить, а что нет), вы можете попробовать что-то вроде этого:

import java.io.BufferedReader;
import java.io.IOException;

[...]

public static String readNextWord(BufferedReader reader) throws IOException {
    StringBuilder builder = new StringBuilder();

    int currentData;

    do {
        currentData = reader.read();

        if(currentData < 0) {
            if(builder.length() == 0) {
                return null;
            }
            else {
                return builder.toString();
            }
        }
        else if(currentData != ' ') {
            /* Since you're talking about words, here you can apply
             * a filter to ignore chars like ',', '.', '\n', etc. */

            builder.append((char) currentData);
        }

    } while (currentData != ' ' || builder.length() == 0);

    return builder.toString();
}

И затемНазовите это так:

String[] words = new String[amountOfWordsToRead];

for (int i = 0; i < amountOfWordsToRead; i++){
    words [i] = readNextWord(yourBufferedReader);
}

Answer 2

Может быть, это будет полезно.

Использование read() не проблема.Просто приведите результат к символу:

...
for (int i = 0; i < memTam; i++) {
      // this should work. you will get the actual character
      int current = lerArq.read();
      if (current != -1) {
          char c = (char) current;
          // then you can do what you need with this character
      }
}
...

Метод возвращает чтение символа в виде целого числа в диапазоне от 0 до 65535 или -1, если достигнут конец потока.

Я не буду добавлять много теории о кодировках, как это делается в Java и т. Д., Потому что я не знаю некоторых деталей очень низкого уровня.У меня есть общее представление о том, как это работает.

С каждой клавишей на клавиатуре связан номер.Каждый введенный вами символ можно перевести в десятичное число.Например, A становится числом 65.Это стандарт, и он признан во всем мире.

На данный момент, я надеюсь, вы можете согласиться, что это не так странно, что метод read() возвращает число, а не фактический символ:)

Существует нечто, называемое таблицей ASCII, которая представляет все эти коды (цифры) для всех клавиш на вашей клавиатуре.

Здесь просто показано, как выглядит:

Dec  Char                           Dec  Char     Dec  Char     Dec  Char
---------                           ---------     ---------     ----------
  0  NUL (null)                      32  SPACE     64  @         96  `
  1  SOH (start of heading)          33  !         65  A         97  a
  2  STX (start of text)             34  "         66  B         98  b
  3  ETX (end of text)               35  #         67  C         99  c
  4  EOT (end of transmission)       36  $         68  D        100  d
  5  ENQ (enquiry)                   37  %         69  E        101  e
  6  ACK (acknowledge)               38  &         70  F        102  f
  7  BEL (bell)                      39  '         71  G        103  g
  8  BS  (backspace)                 40  (         72  H        104  h
  9  TAB (horizontal tab)            41  )         73  I        105  i
 10  LF  (NL line feed, new line)    42  *         74  J        106  j
 11  VT  (vertical tab)              43  +         75  K        107  k
 12  FF  (NP form feed, new page)    44  ,         76  L        108  l
 13  CR  (carriage return)           45  -         77  M        109  m
 14  SO  (shift out)                 46  .         78  N        110  n
 15  SI  (shift in)                  47  /         79  O        111  o
 16  DLE (data link escape)          48  0         80  P        112  p
 17  DC1 (device control 1)          49  1         81  Q        113  q
 18  DC2 (device control 2)          50  2         82  R        114  r
 19  DC3 (device control 3)          51  3         83  S        115  s
 20  DC4 (device control 4)          52  4         84  T        116  t
 21  NAK (negative acknowledge)      53  5         85  U        117  u
 22  SYN (synchronous idle)          54  6         86  V        118  v
 23  ETB (end of trans. block)       55  7         87  W        119  w
 24  CAN (cancel)                    56  8         88  X        120  x
 25  EM  (end of medium)             57  9         89  Y        121  y
 26  SUB (substitute)                58  :         90  Z        122  z
 27  ESC (escape)                    59  ;         91  [        123  {
 28  FS  (file separator)            60  <         92  \        124  |
 29  GS  (group separator)           61  =         93  ]        125  }
 30  RS  (record separator)          62  >         94  ^        126  ~
 31  US  (unit separator)            63  ?         95  _        127  DEL

Итак, представьте, что у вас есть файл .txt с некоторым текстом - все буквы имеют соответствующие цифры.

Проблема с ASCII состоит в том, что ASCII определяет 128 символов, которые отображаются на цифры 0–127.(все заглавные буквы, строчные буквы, 0-9 цифр и еще несколько символов).

Но в мире есть еще много разных символов / символов (разные алфавиты, эмодзи и т. д.).., поэтому должна быть другая система кодирования, чтобы представлять их все.

Это называется Unicode.Unicode - это то же самое для символов, чьи коды 0-127.Но в целом Unicode может представлять гораздо более широкий диапазон символов.

В Java тип данных char (и, следовательно, значение, которое инкапсулирует объект Character) основаны на исходной спецификации Unicode., который определил символы как 16-битные объекты фиксированной ширины.Вы можете проверить более подробную информацию в этом javadoc .Другими словами, все строки в Java представлены в формате UTF-16.

Надеюсь, после этого длинного рассказа есть некоторый смысл, почему вы получаете числа при чтении, но вы можете привести их к типу char.И опять же, это просто обзор высокого уровня.Счастливое кодирование:)