一、前言

本次学习应用于文本操作方面，前面我们说到实现文本的不同处理方式，本次目的是为了实现文件的各种操作。

前面的博客中我们讲到了检测，新建，读取文件修改时间、大小和内容，并向指定文件写入指定内容。

这里我们学习文本文件行读取输出，并显示每行的字节和字符数。

二、任务学习

任务要求：

• 对文本文件按行进行读取，每读取一行后显示此行。
• 统计此行有多少字节并显示统计结果。
• 统计此行有多少字符并显示统计结果。
• 显示总的行数、字节数、字符数。

1）分析学习：

• “字节”与“字符”

它们完全不是一个位面的概念，所以两者之间没有“区别”这个说法。不同编码里，字符和字节的对应关系不同：

①ASCII码中，一个英文字母（不分大小写）占一个字节的空间，一个中文汉字占两个字节的空间。一个二进制数字序列，在计算机中作为一个数字单元，一般为8位二进制数，换算为十进制。最小值0，最大值255。

②UTF-8编码中，一个英文字符等于一个字节，一个中文（含繁体）等于三个字节。

③Unicode编码中，一个英文等于两个字节，一个中文（含繁体）等于两个字节。

符号：英文标点占一个字节，中文标点占两个字节。举例：英文句号“.”占1个字节的大小，中文句号“。”占2个字节的大小。

④UTF-16编码中，一个英文字母字符或一个汉字字符存储都需要2个字节（Unicode扩展区的一些汉字存储需要4个字节）。

⑤UTF-32编码中，世界上任何字符的存储都需要4个字节。

JAVA程序中会使用到的正则表达式

API中相关类：相关类位于：java.util.regex包下面
• 类 Pattern：
– 正则表达式的编译表示形式。
– Pattern p = Pattern.comp
ile(r,int); //建立正则表达式，并启用相应模式
• 类 Matcher：
– 通过解释 Pattern 对 character sequence 执行匹配操作的引擎
– Matcher m = p.matcher(str); //匹配str字符串

2.在本次任务中实际会应用的语法：

（1）使用BufferedReader/BufferedWriter处理流和InputStreamReader/OutputStreamWriter处理流（IO流知识参见链接）

（2）判断数字："\\d"

（3）判断字母："[a-zA-Z]"

（4）判断汉字："[\\u4e00-\\u9fa5]"

（5）判断空格："\\s"

（6）判断标点："\\pP"

（7）循环读取：.readLine（）

每类字符查询分别调用方法，详情见下面程序。

2）程序代码：

/* 项目名称：Task_Du * 创建时间：2019年3月31日 * 创建者：Administrator_wz * 创建地点：kmust * 功能：按行读取并统计字节和字符数 */
 import java.io.*;//导入java.io包中的所有类
 import java.io.FileReader;//导入java.io包中的FileReader类
 import java.util.regex.Matcher;//导入java.util包中的Matcher类
 import java.util.regex.Pattern;//导入java.util包中的Pattern类
 import java.util.Scanner;//导入java.util包中的Scanner类
 import java.util.Date;//导入java.util包中的Date类
public class file5{ //创建类名
	public static void main(String[] args) throws IOException { //程序的主函数入口
		int n=0;             //字节数 
		int i=0;            //字符数 
		int line = 0;      //行数 
		int num = 0;      //数字数 
		int letter = 0;  //字母数 
		int space = 0;  //空格数 
		int word= 0;   //汉字数
		int punctuation= 0; //标点数
		long startTime=System.currentTimeMillis();//定义开始时间，用于统计程序的运行时长
		try{ //用try-catch语句将逻辑语句包起来，并读取指定的文件
        	Scanner s = new Scanner(System.in);//获取键盘输入并赋值给s字符串
        	System.out.println("请输入想要打开的文本文档：");//输入提示信息
        	String a = s.nextLine();//定义字符串变量，并赋值为用户输入的信息
			InputStreamReader read = new InputStreamReader(new FileInputStream(a),"utf-8"); //指定文件格式为utf-8
            BufferedReader br = new BufferedReader(read);//用于读取指定文件
			String str = null;//定义一个字符串类型变量str
			File file = new File(a);//定义待写入文件
			if(file.exists()){ //判断操作文件是否存在
				System.out.println("\n该文件已存在，无需创建！");//输出提示信息
				System.out.println("该文件最后的修改时间是："+new Date(file.lastModified()));//输出文件的修改时间
				System.out.println("文本的内容为：\n");//输出提示信息
				while((str=br.readLine())!=null){ //readLine()方法, 用于读取一行,只要读取内容不为空就一直执行
					line++;//每循环一次就进行一次自增，用于统计文本行数
					num += countNumber(str);//用于统计文本当中的数字个数
					letter += countLetter(str);//用于统计文本中的字母个数
					word += countChinese(str);//用于统计文本当中的汉字个数
					punctuation += countPunctuation(str);//用于统计文本中的中文标点个数
					space += countSpace(str);//用于统计文本中的空格个数
					n=n+str.getBytes("UTF-8").length;//用于统计文本中的字节个数
					i=i+num+letter+word+punctuation+space;//用于统计文本中的字符个数
					System.out.println("第 " + line + " 行：" +str);//打印文本的内容 
					System.out.println("第 " + line + " 行有 " + str.getBytes("UTF-8").length + "个字节");//输出字节个数
					System.out.println("第 " + line + " 行有 " + (num+letter+word+punctuation+space) + "个字符");//输出字符个数
					num=letter=space=word=punctuation=0	;//归零
			}
			System.out.println("\n文本一共有 " + line + " 行");//打印文本行数
			}else{ //操作文件不存在
				file.createNewFile();//创建新文件夹
				System.out.println("\n该文件不存在，现已创建成功！");//输出提示信息
				System.out.println("该文件有共有"+file.length()+"字节");//输出文件字节数
				System.out.println("该文件最后的修改时间是："+new Date(file.lastModified()));//输出文件的修改时间 
			}
		}catch(Exception e){ //当代码异常时用catch捕获异常
			e.printStackTrace();//printStackTrace()方法是打印异常信息在程序中出错的位置及原因
		}
		System.out.println("总字节数："+ n );//输出文本的总字节数
		System.out.println("总字符数："+ i );//输出文本的总字符数
		long endTime=System.currentTimeMillis();//定义一个结束时间
		long Time=endTime-startTime;//所需时间为结束时间-开始时间
		System.out.println("耗时:"+Time+"毫秒");//输出所用时间
	}
	/** * 统计数字数 * @param str * @return count */
	public static int countNumber(String str) { //创建countNumber方法用于统计文本的数字个数
        int count = 0;//创建一个返回值count
        Pattern p = Pattern.compile("\\d");//将给定的正则表达式编译并赋予给Pattern类 
        Matcher m = p.matcher(str);//生成一个给定命名的Matcher对象 
        while(m.find()){ //查找类似于Matcher对象的字符
            count++;//count自加作为标记
        }
        return count;//返回count值
    }
	/** * 统计字母数 * @param str * @return count */
    public static int countLetter(String str) { //创建countLetter方法用于统计文本的字母个数
        int count = 0;//创建一个返回值count
        Pattern p = Pattern.compile("[a-zA-Z]");//将给定的正则表达式编译并赋予给Pattern类 
        Matcher m = p.matcher(str);//生成一个给定命名的Matcher对象 
        while(m.find()){ //查找类似于Matcher对象的字符
            count++;//count自加作为标记
        }
        return count;//返回count值
    }
    /** * 统计汉字数 * @param str * @return count */
    public static int countChinese(String str) { //创建countChinese方法用于统计文本的汉字个数
        int count = 0;//创建一个返回值count
        Pattern p = Pattern.compile("[\\u4e00-\\u9fa5]");//将给定的正则表达式编译并赋予给Pattern类 
        Matcher m = p.matcher(str);//生成一个给定命名的Matcher对象 
        while(m.find()){ //查找类似于Matcher对象的字符
            count++;//count自加作为标记
        }
        return count;//返回count值
    }
    /** * 统计空格数 * @param str * @return count */
    public static int countSpace(String str) { //创建countSpace方法用于统计文本的空格个数
        int count = 0;//创建一个返回值count
        Pattern p = Pattern.compile("\\s");//将给定的正则表达式编译并赋予给Pattern类 
        Matcher m = p.matcher(str);//生成一个给定命名的Matcher对象 
        while(m.find()){ //查找类似于Matcher对象的字符
            count++;//count自加作为标记
        }
        return count;//返回count值
    }
	/** * 统计中文标点数 * @param str * @return count */
    public static int countPunctuation(String str) { //创建countPunctuation方法用于统计文本的标点个数
        int count = 0;//创建一个返回值count
        Pattern p = Pattern.compile("\\pP");//将给定的正则表达式编译并赋予给Pattern类 
        Matcher m = p.matcher(str);//生成一个给定命名的Matcher对象 
        while(m.find()){ //查找类似于Matcher对象的字符
            count++;//count自加作为标记
        }
        return count;//返回count值
    }
}

3）执行结果：

4）乱码原因及解决方法：

Java读取带有BOM的UTF-8格式txt文件第一行出现乱码——问号“?”及解决：
test.txt文件采用写字板保存为UTF-8格式
保存并关闭后使用写字板再次打开该UTF-8文档，中文、字母正常显示

• 解决办法：
  使用Notepad++等编辑器打开txt文件执行如下操作“格式–>以UTF-8无BOM格式编码”，修改后将txt文本进行保存，最终结果完好，无“？”出现。
  

参考链接：
https://blog.csdn.net/weixin_33712987/article/details/87112987
https://blog.csdn.net/milletguo/article/details/80144290
https://blog.csdn.net/u010889616/article/details/51477037
https://blog.csdn.net/mingzhuo_126/article/details/83512328
https://blog.csdn.net/iteye_15380/article/details/82438823
https://blog.csdn.net/major_zhang/article/details/73732743
https://blog.csdn.net/yangdan1025/article/details/86586863
https://blog.csdn.net/lyn1772671980/article/details/86691524
https://blog.csdn.net/andyzhaojianhui/article/details/53785656
https://blog.csdn.net/jackpk/article/details/5702964