Java 中 TCP字节流是转换成字符流的。

Question

比如说一个字符串

伪代码
// Client客户端：
String str = “字节流转字符流“;
byte[] buff = str.getBytes("UTF-8")

// Server服务端
InputStreamReader reader = new InputStreamReader(inputStream,"UTF-8")
char[] char = new char[1024];
reader.read(char,,);

客户端UTF-8编码字符串的字节流发送给服务端，期间可能一个字符对应的字节被拆分成多个包发送了（因为TCP时候面向字节的，一个UTF-8字符对应多个字节）。

1. 这种情况的话，服务端是如何保证正确解析字节到字符的？
2. 还有UTF-8编码英文数字为一个字节，中文为多个字节，那么来了一个字节它又是怎么确定这个字节是英文数字，还是一个中文编码的一部分呐（字符编码是不是类似于哈夫曼树一样那呐？）

希望能够解惑，十分感激。推荐博客也可以。

Answer 1

下面给出我个人的理解哈，大家切磋下

1. 一般来说发送数据的时候都会使用某种协议的，比如google的protobuf，协议规定会有起止标志（能够让服务端解析出数据包）。如果服务器发现接收的数据还没结束，就继续等待，接收下一个数据包
2. 可以看下UTF8的编码方式，大概意思就是能够根据最高几位bit的值确定『一个字节它又是怎么确定这个字节是英文数字，还是一个中文编码的一部分呐』

utf8编码介绍：https://baike.baidu.com/item/...

Answer 2

TCP中拆包和粘包现象，这个在TCP数据传输过程中，肯定会存在的。

TCP协议是面向数据流的，能保证数据的正确性。
也就是说源源不断的流到了接收端之后，组装在一起，数据能保证是正确。

因此，解决拆包和粘包在于发送端和接收端定义数据边界，比如：

1. 固定头部，头部中包含数据完整性的信息，数据长度等。
2. 消息边界，比如以0xFF作为边界值等。

这些也就是协议，发送端和接收端根据协议对数据进行编解码，这样就可以确定每个字节代表的意义。