5. Lecture et écriture de flux croisés

5.1. Introduction

L'API Java I/O permet de lire et écrire en mode caractères des flux binaires. Les deux classes utilisées pour ce faire sont des extensions de Reader et Writer : InputStreamReader et OutputStreamWriter respectivement.

5.2. Lire des caractères sur un flux binaire : classe `InputStreamReader`

Comme chacun sait, un fichier informatique ne contient que des octets, mis les uns à la suite des autres. Aussi bête qu'une rangée de balais dans un placard, ce tas d'octets n'a de sens que parce que l'on veut bien lui en donner ! Un ou plusieurs octets qui se suivent ne peuvent constituer un caractère, et par la suite une chaîne de caractères, que si l'on précise un encodage , table de conversion entre les valeurs numériques de ces octets (ou séquence d'octets) et des caractères. Cet encodage est purement conventionnel, et susceptible d'évoluer au cours du temps. À l'origine des temps informatiques, l'encodage le plus fréquemment utilisé était le code ASCII, toujours utilisé aujourd'hui, même si ses formes ont évolué. Aujourd'hui, l'encodage qui tient la corde est bien sûr l'Unicode. Plus de la moitié des textes échangés sur l'Internet actuel utilisent cet encodage. Pour pouvoir lire des caractères dans un flux binaire, une instance de InputStreamReader a donc besoin de connaître l'encodage de ces caractères. Les méthodes de lecture exposées par InputStreamReader sont imposées par la classe Reader qu'elle étend, et il n'est pas possible de leur passer cette information. C'est donc à la construction de cet objet qu'il faut préciser cet encodage. Cet encodage peut être précisé de trois manières.

Ce peut être une instance de CharSet, classe du package java.nio, qui modélise un encodage particulier. Une instance de CharSet se construit en passant le nom de l'encodage choisi sous forme d'une chaîne de caractères. Les chaînes standard, que toute JVM doit supporter, sont donnés dans la suite de cette partie.
Ce peut être une instance de CharSetDecoder, classe abstraite du package java.nio. Cet objet est capable de décoder un flux d'octets en flux de caractères.
Ce peut être enfin, et c'est le constructeur le plus simple à utiliser, une chaîne de caractères, qui indique le nom du jeu de caractères à utiliser.

Toute JVM doit connaître les jeux de caractères suivants, dont les noms qui suivent peuvent être utilisés pour construire des instances de CharSet ou passés en paramètre du constructeur de InputStreamReader.

US-ASCII : ASCII codé sur 7 bits ;
ISO-8859-1 : aussi appelé ISO-LATIN-1 ;
UTF-8 : utilisé pour l'Unicode ;
UTF-16BE : encodage 16 bits, octet de poids fort en premier (BE = big endian ) ;
UTF-16LE : encodage 16 bits, octet de poids faible en premier (LE = little endian ) ;
UTF-16 : encodage 16 bits, l'ordre des octets est identifié par un octet optionnel, appelé BOM ( byte order marker ), qui figure en premier dans le flux binaire.

Notons enfin que la classe InputStreamReader expose une méthode getEncoding() qui permet d'obtenir le nom du jeu de caractères utilisé.

5.3. Écrire des caractères sur un flux binaire : classe `OutputStreamWriter`

La classe OutputStreamWriter est rigoureusement symétrique de InputStreamReader. On la construit en lui passant en paramètre une indication sur le jeu de caractères qu'elle doit utiliser. Elle expose les méthodes d'écriture de la classe Writer, qu'elle étend.

5.4. Remarque sur les jeux de caractères

La machine Java utilise un jeu de caractères par défaut pour son fonctionnement interne. Ce jeu de caractères est précisé par la propriété système file.encoding. On peut obtenir la valeur de cette propriété par la méthode System.getProperty("file.encoding").

Exemple 124. Propriété file.encoding

// dans une méthode main
 // affichage de l'encodage courant des fichiers
System.out.println(System.getProperty("file.encoding")) ;

 // changement de la valeur de cette propriété
System.setProperty("file.encoding",  "UTF-8") ;
 // affichage du nouvel encodage
System.out.println(System.getProperty("file.encoding")) ;

Sur une machine Windows, il se peut que l'encodage soit Cp1252. Le positionner à une valeur plus civilisée comme UTF-8 est probablement une bonne idée !