Java基础1String详解

概览

1. 类声明

String 被声明为 final，因此它不可被继承。

在 Java 8 及之前，内部使用 char 数组存储数据。

public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence {
    /** The value is used for character storage. */
    private final char value[];}

在 Java 9 及之后，String 类的实现改用 byte 数组存储字符串，同时使用 coder来标识使用了哪种字符集编码。

public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence {
    /** The value is used for character storage. */
    private final byte[] value;

    /** The identifier of the encoding used to encode the bytes in {@code value}. */
    private final byte coder;
}

2. 构造函数

• 空参构造

   /**
     * final 声明的 value 数组不能修改它的引用，所以在构造函数中一定要初始化 value 属性
     */
public String() {this.value = "".value;}

• 用一个 String 来构造

  /**
     * 除非你明确需要 这个 original 字符串的 副本
     */
    public String(String original) {
        this.value = original.value;
        this.hash = original.hash;
    }

• 用 char 数组来构造

 public String(char value[], int offset, int count) {if (offset < 0) {throw new StringIndexOutOfBoundsException(offset);
        }
        if (count <= 0) {if (count < 0) {throw new StringIndexOutOfBoundsException(count);
            }
            if (offset <= value.length) {
                this.value = "".value;
                return;
            }
        }
        // Note: offset or count might be near -1>>>1.
        if (offset > value.length - count) {throw new StringIndexOutOfBoundsException(offset + count);
        }
        this.value = Arrays.copyOfRange(value, offset, offset+count);
    }

• 用 byte[]来构造

/**
     * 构造一个由 byte[]生产的字符串，使用系统默认字符集编码
     * 新数组的长度 不一定等于 数组的 length
     * 如果默认字符集编码不可用时，此构造器无效。*/
    public String(byte bytes[], int offset, int length) {checkBounds(bytes, offset, length);
        this.value = StringCoding.decode(bytes, offset, length);
    }

• 用 Unicode 编码的 int[]来构造

/**
     * 使用 Unicode 编码的 int 数组 初始化字符串
     * 入参数组修改不影响新创建的 String
     * @since  1.5
     */
    public String(int[] codePoints, int offset, int count) {if (offset < 0) {throw new StringIndexOutOfBoundsException(offset);
        }
        if (count <= 0) {if (count < 0) {throw new StringIndexOutOfBoundsException(count);
            }
            //count = 0
            if (offset <= codePoints.length) {
                this.value = "".value;
                return;
            }
        }
        // Note: offset or count might be near -1>>>1.
        if (offset > codePoints.length - count) {throw new StringIndexOutOfBoundsException(offset + count);
        }

        final int end = offset + count;

        // Pass 1: Compute precise size of char[]
        int n = count;
        for (int i = offset; i < end; i++) {int c = codePoints[i];
            // 从 U+0000 至 U+FFFF 之间的字符集有时候被称为基本多语言面
            // 可以使用单个 char 来表示这样的代码点
            if (Character.isBmpCodePoint(c))
                continue;
            // 确认 c 是不是
            else if (Character.isValidCodePoint(c))
                n++;
            else throw new IllegalArgumentException(Integer.toString(c));
        }

        // Pass 2: Allocate and fill in char[]
        // 得到可以转成有效字符的 个数
        final char[] v = new char[n];

        for (int i = offset, j = 0; i < end; i++, j++) {int c = codePoints[i];
            if (Character.isBmpCodePoint(c))
                v[j] = (char)c;
            else
                Character.toSurrogates(c, v, j++);
        }

        this.value = v;
    }
}

• 用变长字符串 StringBuffer,StringBuilder 来构造

public String(StringBuffer buffer) {synchronized(buffer) {this.value = Arrays.copyOf(buffer.getValue(), buffer.length());
    }
}

public String(StringBuilder builder) {this.value = Arrays.copyOf(builder.getValue(), builder.length());
}

3. 常用 api

方法列表：

boolean isEmpty() // 当且仅当 length() 为 0 时返回 true
int length() // 返回此字符串的长度
boolean contains(CharSequence s) // 当且仅当此字符串包含指定的 char 值序列时，返回 true
char charAt(int index) // 返回指定索引处的 char 值
String concat(String str) // 将指定字符串连接到此字符串的结尾

int indexOf(int ch) // 返回指定字符在此字符串中第一次出现处的索引
int lastIndexOf(int ch) // 返回指定字符在此字符串中最后一次出现处的索引    

String substring(int beginIndex, int endIndex) // 返回一个新字符串，它是此字符串的一个子字符串
CharSequence subSequence(int beginIndex, int endIndex) // 返回一个新的字符序列，它是此序列的一个子序列
   
int compareTo(String anotherString) // 按字典顺序比较两个字符串

int compareToIgnoreCase(String str) // 按字典顺序比较两个字符串，不考虑大小写
boolean equalsIgnoreCase(String anotherString) // 将此 String 与另一个 String 比较，不考虑大小写

static String valueOf(double d)  
static String valueOf(boolean b) 

byte[] getBytes(Charset charset) // 使用给定的 charset 将此 String 编码到 byte 序列，并将结果存储到新的 byte 数组
byte[] getBytes(String charsetName) // 使用指定的字符集将此 String 编码为 byte 序列，并将结果存储到一个新的 byte 数组中
     
String toLowerCase(Locale locale) // 使用给定 Locale 的规则将此 String 中的所有字符都转换为小写  
String toUpperCase(Locale locale)
    
boolean matches(String regex) // 告知此字符串是否匹配给定的正则表达式
String[] split(String regex, int limit) // 根据匹配给定的正则表达式来拆分此字符串

boolean startsWith(String prefix, int toffset) // 测试此字符串从指定索引开始的子字符串是否以指定前缀开始
boolean endsWith(String suffix)
    
static String copyValueOf(char[] data)// 返回指定数组中表示该字符序列的
char[] toCharArray() // 将此字符串转换为一个新的字符数组
    
String replace(char oldChar, char newChar) // 返回一个新的字符串，它是通过用 newChar 替换此字符串中出现的所有 oldChar 得到的
String replaceAll(String regex, String replacement) // 使用给定的 replacement 替换此字符串所有匹配给定的正则表达式的子字符串
    
String intern() // 返回字符串对象的规范化表示形式, 字符串 pool 中的存在返回，不存在存入 pool 并返回
String trim()// 返回字符串的副本，忽略前导空白和尾部空白
    

static String format(Locale l, String format, Object... args) // 使用指定的语言环境、格式字符串和参数返回一个格式化字符串        

4. 不可修改的特点

为何不可修改

以下两点保证 String 的 不可修改 特点

1. value 被声明为 final，即 value 引用的地址不可修改。
2. String 类没有暴露修改 value 引用内容的方法。

不可修改的优点

从内存，同步和数据结构角度分析：

1. Requirement of String Pool：字符串池（String intern pool）是方法区域中的特殊存储区域。创建字符串并且池中已存在该字符串时，将返回现有字符串的引用，而不是创建新对象。如果字符串可变，这将毫无意义。
2. Caching Hashcode：hashcode 在 java 中被频繁的使用，在 String 类中存在属性
   private int hash;//this is used to cache hash code.

3. Facilitating the Use of Other Objects：确保第三方使用。举一个例子：

   // 假设 String.class 有属性 value；//set 的本意是保证元素不重复出现，如果 String 是可变的，则会破坏这个规则
   HashSet<String> set = new HashSet<String>();
   set.add(new String("a"));
   set.add(new String("b"));
   set.add(new String("c"));
    
   for(String a: set)
       a.value = "a";

4. Security：String 被广泛用作许多 java 类的参数，例如 网络连接，打开文件等。字符串不是不可变的，连接或文件将被更改，这可能会导致严重的安全威胁。该方法认为它连接到一台机器，但事实并非如此。可变字符串也可能在 Reflection 中引起安全问题，因为参数是字符串。例子：

   boolean connect(string s){if (!isSecure(s)) {throw new SecurityException(); 
   }
       //here will cause problem, if s is changed before this by using other references.    
       causeProblem(s);
   }

5. Immutable objects are naturally thread-safe：由于无法更改不可变对象，因此可以在多个线程之间自由共享它们。这消除了进行同步的要求。

总之，出于效率和安全原因，String 被设计为不可变的。这也是在一般情况下在一些情况下优选不可变类的原因。

5. 字符串 pool

什么是池

在 JAVA 语言中有 8 中基本类型和一种比较特殊的类型 String。这些类型为了使他们在运行过程中速度更快，更节省内存，都提供了一种常量池的概念。常量池就类似一个 JAVA 系统级别提供的缓存。8 种基本类型的常量池都是系统协调的，String 类型的常量池比较特殊。它的主要使用方法有两种：

• 直接使用双引号声明出来的 String 对象会直接存储在常量池中
• 如果不是用双引号声明的 String 对象，可以使用 String 提供的 intern 方法。intern 方法会从字符串常量池中查询当前字符串是否存在，若不存在就会将当前字符串放入常量池中
• 在 jdk6 及以前的版本中，字符串的常量池是放在堆的 Perm 区的（Perm 区是一个类静态的区域，主要存储一些加载类的信息，常量池，方法片段等内容，默认大小只有 4m），一旦常量池中大量使用 intern 是会直接产生 java.lang.OutOfMemoryError: PermGen space 错误的。
• 在 jdk7 中，字符串常量池已经从 Perm 区移到正常的 Java Heap 区域。

String#intern 方法

它的大体实现结构就是: JAVA 使用 jni 调用 c ++ 实现的 StringTable 的intern方法, StringTable的 intern 方法跟 Java 中的 HashMap 的实现是差不多的, 只是不能自动扩容。默认大小是 1009

注意点：

1. String 的 String Pool 是一个固定大小的Hashtable，默认值大小长度是 1009
2. 如果放进 String Pool 的 String 非常多，就会造成 Hash 冲突严重，从而导致链表会很长，导致调用 String.intern 时性能会大幅下降（因为要一个一个找）
3. 在 jdk6 中 StringTable 的长度是固定 = 1009，所以如果常量池中的字符串过多就会导致效率下降很快。在 jdk7 中，StringTable 的长度可以通过一个参数指定：-XX:StringTableSize=99991

实例思考

// JDK6 中执行：false false
// JDK7 中执行：false true
public static void main(String[] args) {
    // 声明的字符创变量 -> 堆
    String s = new String("1");
    s.intern();
    // 声明的字符创常量 -> 堆的 Perm 区
    String s2 = "1";
    System.out.println(s == s2);

    String s3 = new String("1") + new String("1");
    s3.intern();
    String s4 = "11";
    System.out.println(s3 == s4);
}

// JDK6 中执行：false false
// JDK7 中执行：false false
public static void main(String[] args) {String s = new String("1");
    String s2 = "1";
    s.intern();
    System.out.println(s == s2);

    String s3 = new String("1") + new String("1");
    String s4 = "11";
    s3.intern();
    System.out.println(s3 == s4);
}

• jdk6 内存分析(注：图中绿色线条代表 string 对象的内容指向。黑色线条代表地址指向)
  

  • String s = new String("1");Perm 中的常量池 生成 ”1″，堆中生成 变量 s 内容 =”1″
  • s2 -> 常量池中的 ”1″
  • String s3 = new String("1") + new String("1");Perm 中的常量池 生成 ”1″，堆中生成 两个匿名 string 内容 =”1″ 和 变量 s3
  • s.intern();将 ”11″ 写入常量池

• jdk7 内存分析 -1
  

  • 在第一段代码中，先看 s3 和 s4 字符串。String s3 = new String("1") + new String("1");，这句代码中现在生成了 2 最终个对象，是字符串常量池中的“1”和 JAVA Heap 中的 s3 引用指向的对象。中间还有 2 个匿名的 new String("1") 我们不去讨论它们。此时 s3 引用对象内容是”11”，但此时常量池中是没有“11”对象的。
  • 接下来 s3.intern(); 这一句代码，是将 s3 中的“11”字符串放入 String 常量池中，因为此时常量池中不存在“11”字符串，因此常规做法是跟 jdk6 图中表示的那样，在常量池中生成一个“11”的对象，关键点是 jdk7 中常量池不在 Perm 区域了，这块做了调整。常量池中不需要再存储一份对象了，可以直接存储堆中的引用。这份引用指向 s3 引用的对象。也就是说引用地址是相同的。
  • 最后String s4 = "11"; 这句代码中”11”是显示声明的，因此会直接去常量池中创建，创建的时候发现已经有这个对象了，此时也就是指向 s3 引用对象的一个引用。所以 s4 引用就指向和 s3 一样了。因此最后的比较 s3 == s4 是 true。
  • 再看 s 和 s2 对象。String s = new String("1"); 第一句代码，生成了 2 个对象。常量池中的“1”和 JAVA Heap 中的字符串对象。s.intern(); 这一句是 s 对象去常量池中寻找后发现“1”已经在常量池里了。
  • 接下来String s2 = "1"; 这句代码是生成一个 s2 的引用指向常量池中的“1”对象。结果就是 s 和 s2 的引用地址明显不同。图中画的很清晰。

• jdk7 内存分析 -2
  

  • 来看第二段代码，从上边第二幅图中观察。第一段代码和第二段代码的改变就是 s3.intern(); 的顺序是放在 String s4 = "11"; 后了。这样，首先执行 String s4 = "11"; 声明 s4 的时候常量池中是不存在“11”对象的，执行完毕后，“11“对象是 s4 声明产生的新对象。然后再执行 s3.intern(); 时，常量池中“11”对象已经存在了，因此 s3 和 s4 的引用是不同的。
  • 第二段代码中的 s 和 s2 代码中，s.intern();，这一句往后放也不会有什么影响了，因为对象池中在执行第一句代码 String s = new String("1"); 的时候已经生成“1”对象了。下边的 s2 声明都是直接从常量池中取地址引用的。s 和 s2 的引用地址是不会相等的。

• 小结 - 从上述的例子代码可以看出 jdk7 版本对 intern 操作和常量池都做了一定的修。主要包括 2 点：

  • 将 String 常量池 从 Perm 区移动到了 Java Heap 区
  • String#intern 方法时，如果存在堆中的对象，会直接保存对象的引用，而不会重新创建对象。

参考：

https://tech.meituan.com/2014…