当前位置:首页 > 文章列表 > 文章 > java教程 > 在Java中InputStream和OutputStream如何使用_Java字节流基础解析

在Java中InputStream和OutputStream如何使用_Java字节流基础解析

2026-05-05 21:38:40 0浏览 收藏

今日不肯埋头,明日何以抬头!每日一句努力自己的话哈哈~哈喽,今天我将给大家带来一篇《在Java中InputStream和OutputStream如何使用_Java字节流基础解析》,主要内容是讲解等等,感兴趣的朋友可以收藏或者有更好的建议在评论提出,我都会认真看的!大家一起进步,一起学习!

InputStream读取需循环处理返回值以防数据不全,OutputStream写入后须flush或close确保落盘;文件流不处理编码,内存流适合中间转换。

在Java中InputStream和OutputStream如何使用_Java字节流基础解析

InputStream 读取字节时为什么总读不到完整数据?

因为 InputStream.read() 默认只尝试读一个字节,返回实际读到的字节数(可能为 -1 表示 EOF,也可能远小于预期),不是“保证读满”。直接循环调用 read() 单字节效率极低,且容易漏处理返回值为 0 的边界情况(某些实现如 ByteArrayInputStream 在流末尾可能返回 0 而非 -1)。

  • 用 read(byte[] b) 或 read(byte[] b, int off, int len) 批量读取,减少系统调用次数
  • 必须检查返回值:若返回 -1,立即退出循环;若返回 0,需确认是否是底层流的合法行为(如 PipedInputStream 可能短暂返回 0)
  • 不要假设一次 read() 就能读完全部内容——网络流、管道流尤其不可靠
byte[] buffer = new byte[8192];
int n;
while ((n = inputStream.read(buffer)) != -1) {
    outputStream.write(buffer, 0, n); // 写入实际读到的 n 字节
}

OutputStream.write() 后文件为空或内容不全?

根本原因是未调用 flush() 或 close()。很多 OutputStream 实现(如 BufferedOutputStream、FileOutputStream 在部分 JDK 版本中)会缓冲写入数据,直到缓冲区满、显式刷新或流关闭才真正落盘。

  • 写完关键数据后,调用 outputStream.flush() 强制写出缓冲区内容
  • close() 会自动调用 flush(),但仅在确定不再写入时才调用
  • 使用 try-with-resources 是最稳妥的方式,确保 close() 必然执行
try (FileOutputStream fos = new FileOutputStream("out.bin");
     BufferedOutputStream bos = new BufferedOutputStream(fos)) {
    bos.write(data);
    bos.flush(); // 确保数据已写入底层流
} // 自动 close → flush → 释放资源

FileInputStream / FileOutputStream 直接操作文件有哪些坑?

它们不处理字符编码,只按原始字节读写;且默认不支持追加模式(FileOutputStream 构造函数第二个参数决定是否追加);路径错误时抛 FileNotFoundException 而非静默失败。

  • 写文件前确认父目录存在:new File(path).getParentFile().mkdirs()
  • 需要追加时,显式传 true:new FileOutputStream(file, true)
  • 读文本文件别用它直接转 String——字节到字符串必须指定编码,否则依赖平台默认编码(Windows 是 GBK,Linux/macOS 是 UTF-8),极易乱码
  • 大文件避免一次性 readAllBytes()(JDK 9+),内存压力大;优先用流式分块处理

什么时候该用 ByteArrayInputStream / ByteArrayOutputStream?

它们把内存当“假设备”来用,适合中间转换场景:比如把一段字节临时当输入源解析,或收集多个输出片段再统一处理。但注意——ByteArrayOutputStream 的 toByteArray() 返回的是内部数组副本(JDK 7+),而 size() 才是真实写入长度。

  • 构造 ByteArrayInputStream 后,流位置从 0 开始;多次读不会自动重置,需手动 reset()(前提是构造时未禁用 mark)
  • ByteArrayOutputStream 底层数组会动态扩容,频繁写小数据可能触发多次 Arrays.copyOf(),影响性能
  • 避免长期持有大 ByteArrayOutputStream 实例——它的字节数组不会自动 shrink,即使调用 reset()
ByteArrayOutputStream baos = new ByteArrayOutputStream();
baos.write("hello".getBytes(StandardCharsets.UTF_8));
byte[] raw = baos.toByteArray(); // 安全拷贝,长度 = baos.size()
实际用流,核心就两件事:**读要判返回值,写要记得 flush**。其他所有封装(Buffered、Data、Object 流)都是在这基础上加的糖或限制,别被名字带偏——先搞懂底层字节怎么进、怎么出,再谈上层抽象。

好了,本文到此结束,带大家了解了《在Java中InputStream和OutputStream如何使用_Java字节流基础解析》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

莲藕吃多了会怎样 莲藕吃多了会寒胃吗莲藕吃多了会怎样 莲藕吃多了会寒胃吗
上一篇
莲藕吃多了会怎样 莲藕吃多了会寒胃吗
电脑截图保存在哪里_默认存储路径查看教程【精选】
下一篇
电脑截图保存在哪里_默认存储路径查看教程【精选】
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    292次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    344次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    349次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    313次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    133次使用