在Java中，使用InputStream.read（）返回的int调用Character.isXxx（）方法安全吗？

在读取文本文件时，我希望执行以下操作：

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（aka，输入结束）并显式强制转换：

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

然而，这涉及到一个额外的分支和强制转换，我希望我的代码尽可能高效，所以我更喜欢第一种方法

然而，我更希望我的代码更加健壮：），我不确定第一种方法是否会产生微妙的问题。根据我收集的信息，Unicode将

0xFFFF

和

0xffffff

定义为非字符，因此我认为它是安全的。但是专家们怎么说呢

---

为了确保这一点，问题涉及到我的方法是否对所有

Character.isXxx（）

方法安全，而不仅仅是

Character.isWhitespace（）

是的，它是安全的。对于

0xffffff

情况，所有isXxx方法都返回false。实际上，这对于

0x000FFFFF

之外的所有内容都是正确的，因为这些值在Unicode中是未定义的。对于

0xFFFF

来说基本上是一样的，尽管

isBmpCodePoint

是正确的。

方法

InputStream.read（）

读取单个8位字节并将其作为

0x00-0xFF

范围内的32位

int

返回，或者在EOF上返回

-1

接受32位

int

作为输入的

Character.isXXX（）

方法需要

0x00-0x10FFFF

范围内的完整Unicode码点。如果文件由7位ASCII字符组成（其中字节

0x00-0x7F

映射到代码点

U+0000-U+007F

），或者ISO-8859-1（其中字节

0x00-0xFF

映射到代码点

U+0000-U+00FF

），则单个字节可以表示完整的代码点。如果文件使用的是任何其他编码，则无法保证任何给定字节都会按原样映射到具有相同值的代码点，特别是如果字节大于

0x7F

（大多数7/8位编码使用相同的字节值以实现ASCII兼容性，但并非所有字节都这样做！）

接受16位

Character

作为输入的

Character.isXXX（）

方法需要

0x00-0xFFFF

范围内的UTF-16编码单元。单个

char

可以保存一个Unicode码点，最多可保存一个码点

U+FFFF

。但是，这些方法不支持UTF-16代理，因此无法处理

U+FFFF

以上的Unicode代码点（需要2个

char

值来表示它们）

---

因此，为了回答您的问题，您能否

读取（）文件中的任何给定字节，并将其原样传递给
Character.isXXX（）
方法并获得可靠的结果？答案是-它取决于文件的实际编码。如果文件以7位ASCII或8位ISO-8859-1编码，则为是。否则，可能是这样，但通常仅适用于字节0x7F，因为字节
0x80-0xFF
是特定于编码的，并且取决于特定编码在字节和Unicode码点之间的映射方式（假设文件开始时甚至使用7/8位编码）。
read（）的-1返回值`是带外值，不应用于检测流结束以外的任何目的。我刚刚意识到我的问题实际上相当愚蠢，使用
InputStream
s读取文本。。。当然，我应该使用
阅读器
。如果是这样，安全吗？我想是的，因为这就归结为
Character.isXxx（int）方法是否会为
-1
返回
false`的问题，它们确实返回了（我通过实验验证了这一点）。是的，在读取文本文件时，应该使用基于字符的API，例如
InputStreamReader
，而不是基于字节的API。但是，为了成功地使用这样的读取器，您必须提前知道输入的编码，以便可以在构造函数中指定该字符集。如果输入有一个用于指定字符集的BOM表，那么您必须首先自己阅读BOM表，因为不幸的是，Java通常不会为您处理BOM表。