RandomAccessFile

[KalleM]

Hallo,
hoffe, es nimmt sich jemand die Zeit über mein Code zu gucken. Muss eine Klasse schreiben, die aus einer Datei Bytes liest und und diese nach Umlauten durchsucht. Wenn ein Umlaut gefunden wurde, soll dieser durch entsprechende Zeichenfolgen ersetzt werden. Die eingelesenen Daten, inklusive Änderungen, sollen dann in eine neue Datei geschrieben werden.
Soweit klappt alles, jetzt würde ich gern wissen, ob die Struktur soweit in Ordnung ist, oder wie ich das Programm optimieren kann?

[highlight=Java] public class HTMLconv{

//Variablen
private static String pfad = "datei1702_vor.html";
private static String pfad_1 = "datei1702_nach.html";
private static int byteAufnahme;
public static int counter;


public static void main(String[] args) throws IOException{

RandomAccessFile raf_1 = new RandomAccessFile(pfad_1, "rw");
RandomAccessFile raf = new RandomAccessFile(pfad, "r");

//Hier wird der counter so lange erhöht, bis das Textende erreicht ist
while(counter < raf.length()){
//Mit raf.seek() wird an der ersten Stelle im Text begonnen
raf.seek(counter);
String zeichen = "";
//Hier wird Byte für Byte eingelesen
byteAufnahme = raf.read();
zeichen += (char)byteAufnahme;

if(zeichen .equals("ä"))
zeichen ="&auml;";
if(zeichen .equals("Ä"))
zeichen ="&Auml;";
if(zeichen .equals("ö"))
zeichen ="&ouml;";
if(zeichen .equals("Ö"))
zeichen ="&Ouml;";
if(zeichen .equals("ü"))
zeichen ="&uuml;";
if(zeichen .equals("Ü"))
zeichen ="&Uuml;";
if(zeichen .equals("ß"))
zeichen ="&szlig;";

System.out.print("" +zeichen );
raf_1.writeBytes(zeichen );

counter++;
}

}

}[/highlight]

 

[Ark]

Skizzenhaft und ungetestet, sollte deutlich schneller sein:
[HIGHLIGHT="Java"]int[] srcExpr=new int[]{'ä', 'ö', 'ü', 'ß'};
String[] replcmnt=new String[]{"&auml;", "&ouml;", "&uuml;", "&szlig;"};

BufferedReader br=new BufferedReader(new InputStreamReader(new FileInputStream(new File(pfad))));
BufferedWriter bw=new BufferedWriter(new OutputStreamWriter(new FileOutputStream(new File(pfad_1))));

int c;
LOOP:
while((c=br.read())>=0){
for(int i=0;i<srcExpr.length();i++){
if(c==srcExpr){
bw.write(replcmnt);
continue LOOP;
}
}
bw.write((char)c);
}
bw.flush();
bw.close();
br.close();[/HIGHLIGHT]
Ark

 

[Spacerat]

Scheller geht Arks Version allemal. Beide Versionen missachten aber die Winzigkeit, das Sonderzeichen auf 8-Bit reduziert in der Tabelle nicht immer an der selben Stelle liegen müssen (z.B. "Ä" -> 0xC4 Unicode und 0x8E DOS/Westlich). Richtig "fies" wirds, wenn die Quelldatei UTF-X encodiert ist. Wie? Für die Aufgabe nicht Wichtig? Naja... mein' ja nur.
@Edit: Und wenn doch wichtig, würd' ich mir mal "StreamTokenizer" ansehen.

 

[Ark]

Ich denke schon, dass meine Variante Unicode-konform ist: Für den Fall, dass ein bestimmter Zeichensatz vorliegt, braucht man nur diesen im InputStreamReader respektive OutputStreamWriter als zusätzlichen Parameter anzugeben. Da intern sowieso nur Unicode zum Einsatz kommt, sollte dies dann auch reichen.

Ark

 

[Spacerat]

Jupp... Hast recht... Hatte nur "read()" im Auge. Das liest ja gewohnheitsmässig Bytes. Ist bei Readern natürlich anders.