BufferedReader：确定读取的行的字节偏移量

Question

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开始。

问题：我无法使用插入 BufferedReader 的 InputStream 的位置 - 同样 - 读取器缓冲并一次读取超过一行。

我的问题：如何确定读取的每行的精确字节偏移量？

一种明显（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）仅计算字节数，将字符串转换回字节是相当大的开销，2）换行符并不总是标记为“\n” - 它也可能是“\ r\n”等

对此还有其他解决方案吗？

编辑：到目前为止我见过的每个类似 LineReader 的类似乎都是缓冲的。有谁知道类似无缓冲的 LineReader 类吗？

Answer 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13and10或... 13，10但是如果文件将具有不同的 EOL 约定，则如果将文件作为字符串读取，则这与您遇到的问题完全相同。

相当于的原始字节BufferedReader是BufferedInputStream

您还可以在不编码的情况下计算字符串的 UTF-8 字节：

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;
}