BufferedReader：确定读取行的字节偏移量答案

【问题标题】：BufferedReader: Determine byte offset of lines readBufferedReader：确定读取行的字节偏移量
【发布时间】：2013-01-03 02:48:56
【问题描述】：

我正在使用 BufferedReader 逐行读取字节流（UTF-8 文本）。出于特定原因，我需要知道该行在字节流中的确切位置。

问题：我不能使用我插入到 BufferedReader 的 InputStream 的位置 - 以及 - 阅读器缓冲并一次读取超过一行。

我的问题：如何确定每行读取的精确字节偏移量？

一个明显（但不正确）的解决方案是使用 (line + "\n").getBytes("UTF-8").length。这种方法有两个问题：1）只是为了计算字节数，将字符串转换回字节是相当大的开销；2）换行符并不总是用“\n”标记——它也可能是“\ r\n"等

还有其他解决方案吗？

编辑：到目前为止，我看到的每个类似于 LineReader 的类似乎都被缓冲了。有人知道类似 LineReader 的无缓冲类吗？

【问题讨论】：

标签： java utf-8 bufferedreader

【解决方案1】：

只需将文件作为原始字节读取，UTF-8 中的换行符将始终为 13 和 10、13 或 10... 但这与您阅读时遇到的问题完全相同如果文件将具有不同的 EOL 约定，则将文件作为字符串。

BufferedReader 的原始字节等效为 BufferedInputStream

您还可以计算不带编码的字符串的 UTF-8 字节数：

public static int byteCountUTF8(String input) {
    int ret = 0;
    for (int i = 0; i < input.length(); ++i) {
        int cc = Character.codePointAt(input, i);
        if (cc <= 0x7F) {
            ret++;
        } else if (cc <= 0x7FF) {
            ret += 2;
        } else if (cc <= 0xFFFF) {
            ret += 3;
        } else if (cc <= 0x10FFFF) {
            ret += 4;
            i++;
        }
    }
    return ret;
}

【讨论】：

【解决方案2】：

尝试设置缓冲区大小：

BufferedReader (Reader in, int sz)

参数：

在 - 一个读者

sz - 输入缓冲区大小

将缓冲大小设置为 1。

【讨论】：

这是一个内部优化细节，而不是改变外部功能的东西。如果省略 size 参数，则与 new BufferedReader(in, 8192) 相同
@Esailija 8192 是默认缓冲区大小，但如果我将其设置为 1，它会在每次调用时读取一个字符吗？
是的，但这只会让它变慢