博客
关于我
字节流练习:图片复制
阅读量:508 次
发布时间:2019-03-07

本文共 1311 字,大约阅读时间需要 4 分钟。

文件复制练习:一读一写

    明确:

        数据源: c:\\1.jpg
        数据的目的地: d:\\1.jpg

    文件复制的步骤:

        1.创建一个字节输入流对象,构造方法中绑定要读取的数据源
        2.创建一个字节输出流对象,构造方法中绑定要写入的目的地
        3.使用字节输入流对象中的方法read读取文件
        4.使用字节输出流中的方法write,把读取到的字节写入到目的地的文件中
        5.释放资源

package com.itheima.demo03.CopyFile;import java.io.FileInputStream;import java.io.FileOutputStream;import java.io.IOException;public class Demo01CopyFile {    public static void main(String[] args) throws IOException {        long s = System.currentTimeMillis();        //1.创建一个字节输入流对象,构造方法中绑定要读取的数据源        FileInputStream fis = new FileInputStream("c:\\1.jpg");        //2.创建一个字节输出流对象,构造方法中绑定要写入的目的地        FileOutputStream fos = new FileOutputStream("d:\\1.jpg");        //一次读取一个字节写入一个字节的方式        //3.使用字节输入流对象中的方法read读取文件        /*int len = 0;        while((len = fis.read())!=-1){            //4.使用字节输出流中的方法write,把读取到的字节写入到目的地的文件中            fos.write(len);        }*/        //使用数组缓冲读取多个字节,写入多个字节        byte[] bytes = new byte[1024];        //3.使用字节输入流对象中的方法read读取文件        int len = 0;//每次读取的有效字节个数        while((len = fis.read(bytes))!= -1){            //4.使用字节输出流中的方法write,把读取到的字节写入到目的地的文件中            fos.write(bytes,0,len);        }        //5.释放资源(先关写的,后关闭读的;如果写完了,肯定读取完毕了)        fos.close();        fis.close();        long e = System.currentTimeMillis();        System.out.println("复制文件共耗时:"+(e-s)+"毫秒");    }}

 

转载地址:http://rtwnz.baihongyu.com/

你可能感兴趣的文章
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 时事和见解【2023】
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>