深入Java字符串

摘要: 本文是关于 Java 中的字符串的要点总结。

【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】
我的网站：潮汐朝夕的生活实验室
我的公众号：算法题刷刷
我的知乎：潮汐朝夕
我的github：FennelDumplings
我的leetcode：FennelDumplings

---

== 与 equals

String str1 = String("abc");
String str2 = String("abc");
if(str1 == str2) {
    ...
}

上面代码中的 if 判断是失败的，要解释原因需要理解以下三点：

1. boolean、byte、short、int、long、char、float 和 double 是基本数据类型，其余的都是引用类型。
2. Java 中所有的字符串都是 String 类型的对象，包括字符串字面常量。
3. == 运算符比较两个变量的值是否相等，对于引用类型，值是对象的地址。

== 比较的是变量的值，对于基本数据类型，直接 == 相当于比较了对象的内容。但是对于引用类型，想要比较对象的内容，需要覆盖 equals 方法。

Object 类中的 equals 方法只有在两个引用值指向同一个对象时才返回真，和 == 运算符一样。我们需要在类中覆盖 equals 方法，比较对象的内容。String 类重写了 equals 方法，对比字符序列。

---

compareTo

按照字典顺序来比较两个字符串的大小，则可以使用 String 类的 compareTo 方法来比较两个字符串。

str1.compareTo(str2)，如果 str1 大于 str2，则返回正整数，小于则返回负整数，相等返回 0。

---

字符串拼接

String 的 “+” 和 “+=” 运算符是 Java 中唯一被重载的运算符；Java 中不允许程序员重载运算符。

str = str1 + str2;
str += str1;
str.concat(str1);

---

操作字符串

长度

str.length();

查找

查找字符

public int indexOf(int ch)
public int indexOf(int ch, int fromIndex)

查找字符串

public int indexOf(String str)
public int indexOf(String str, int fromIndex)

indexOf 返回该字符或子字符串第一次出现的索引，索引是从 0 开始计数的；如果没有找到，则返回 -1。

反向查找

public int lastIndexOf(int ch)
public int lastIndexOf(int ch, int fromIndex)
public int lastIndexOf(String str)
public int lastIndexOf(String str, int fromIndex)

判断开始与收尾

判断是否以某个前缀开始或后缀结尾。

public boolean startsWith(String prefix)
public boolean startsWith(String prefix, int toffset)
public boolean endsWith(String suffix)

指定索引位置的字符

public char charAt(int index)

截取子串

public String substring(int beginIndex)
public String substring(int beginIndex, int endIndex)

分割子串

有时候我们会将一组字符串合并为一个字符串进行存储，各个字符串之间通过一个分隔符来分隔。这种做法在使用数据库保存数据时很常见，可以节省表字段的数量，提高查询效率。

public String[] split(String regex)

替换字符或字符串

CharSequence 是 java.lang 包中定义的一个接口类型，String 类实现了该接口。

public String replace(char oldChar, char newChar)
public String replace(CharSequence target, CharSequence replacement)

正则表达式替换

public String replaceFirst(String regex, String replacement)
public String replaceAll(String regex, String replacement)

合并字符串

参数 delimiter 用于指定分隔各个字符串的分隔符，elements 是变长参数，可以传入任意多个字符串。

public static String join(CharSequence delimiter, CharSequence...elements)

---

转换为字符数组

public char[] toCharArray()

重复字符串

public String repeat(int count)

大小写转换

public String toLowerCase()
public String toUpperCase()

去除首位空白

空白（空格、制表符、换行、换页和回车）在字符串中属于合法的字符，但字符串首尾的空白通常是没有用的，一般都是由用户误输入而产生的。

trim 方法删除的空白字符是其 Unicode 码小于等于 U+0020 的任何字符；而 strip 方法删除的是 java.lang.Character 类的静态方法 isWhitespace(int codePoint)判断为 true 的空白字符。

public String trim()
public String strip()
public String stripLeading()
public String stripTrailing()

判断空串

public boolean isEmpty()

提取字符串的行流

某些字符串由多个子串组成，子串之间以行终止符分隔，行终止符可以是换行（\n）、回车（\r），或者回车换行（\r\n）。

lines 方法，可以根据行终止符从字符串中提取行流。

public Stream<String> lines()

与字节数组的相互转换

Java I/O 和网络编程中，经常需要将字节数组和字符串进行相互转换。

public String(byte[] bytes)
public String (byte[] bytes, int offset, int length)
public byte[] getBytes()

---

StringBuffer 和 StringBuilder

如果你想创建一个内容可以改变的字符串对象，那么String类显然不符合要求，这时，我们需要用到另外两个类： StringBuffer 类和 StringBuilder 类。

StringBuilder 类的用法和 StringBuffer 是一样的，区别在于 StringBuffer 是线程安全的，而 StringBuilder 不是线程安全的。

由于 StringBuffer 是线程安全的，其内部方法使用了同步机制，导致在调用方法时，频繁地加锁和解锁，就影响了执行效率。在实际开发中，很多字符串都是在方法内部操作的，并不存在线程安全的问题，此时应该用 StringBuffer。

StringBuffer 类包含可变的字符序列，这个类包含了以下三大类操作字符串的方法。

(1) 构建字符串

• append 方法向字符序列末尾加入字符串。
• insert 方法向字符序列的指定位置处插入字符串。
• 创建 StringBuffer 对象时设置一个初始的字符串。

(2) 获取字符串

• 使用 substring 截取当前字符序列的一部分。
• 使用 toString 方法得到一个表示当前字符序列的新的 String 对象。

(3) 修改字符串

• 使用 replace 方法来替换当前字符序列中的部分内容
• 使用 delete 方法来删除字符序列中的某些字符，甚至删除整个字符序列。

StringBuffer 内部会根据字符序列的长度自动扩充内存容量，初始容量为16。当不断添加字符串时，就会引起内存的重新分配，为了提高效率，在程序中可以根据要操作的字符串的字符总量，提前分配好内存，方法是在构造 StringBuffer 对象时，传入需要的字符容量。

public StringBuffer(int capacity)

---

格式化输出

C 语言中，字符串不能像 Java 那样直接使用 “+” 和 “+=” 运算符来拼接，我们用的最多的是格式化输出函数 printf，该函数使用格式化字符串来插入数据，从而实现格式化输出。

printf("title: %s, price: %f\n", title, price)

Java 也有与 C 语言 printf 风格类似的 format 方法和 printf 方法，可以用于 java.io.PrintStream 和 Java.io.kPrintWriter 对象。

格式说明符

%[argument_index$][flags][width][.precision]conversion

• argument_index: 是参数索引。

System.out.format("title: %2$s, price: %1$f", price, title);

• flags 是一组修改输出格式的字符。

格式说明符	含义
d	十进制整数
o	八进制整数
x, X	十六进制整数
f	十进制浮点数
e, E	科学技术浮点数
t, T	日期/时间
c, C	Unicode 字符
s, S	字符串
b, B	布尔值
h, H	十六进制散列码
%	字符%
n	行分隔符

• width 一个正十进制整数，表示要写入/输出的最小字符数。

宽度表示要输出的最小字符数，可以用它来输出额外的空格以对齐数据；

在格式化字符串中指定宽度时，如果字符数不足，则在左边添加空格以补足宽度；

如果希望在右边添加空格，则可以在宽度数字前面添加一个标志“-”。

System.out.format("%20s, %20s, %20s", str1, str2, str3) // 在左边添加空格补足宽度
System.out.format("%-20s, %-20s, %-20s", str1, str2, str3) // 在右边添加空格补足宽度

• precision 代表精度，通常用于限制字符数，精度在点号（.）后面给出。

精度用于字符串时，表示打印字符串时输出字符的最大数量；

用于浮点数时，它表示小数部分要显示出来的位数（默认是 6 位小数），如果小数位数过多则四舍五入，太少则在尾部补 0。

• conversion 是格式说明字符。

标志	含义
-	输出结果左对齐
#	在和八进制说明符 o 一起使用时，输出值前面加 0 在和十六进制说明符 x 一起使用时，输出值前面加 0x
+	在正数前面显示一个加号，负数前面显示一个减号
空格	再没有打印+标志的正数前面添加一个空格
0	用了 0 填充宽度
,	结果将包含特定区域的组分隔符
(	结果将把负数扩在圆括号内

---

生成格式化的 String 对象

在C语言中还有一个sprintf函数，它是将格式化后的字符串存储到一个字符缓冲区中，而不是打印输出。

String 的静态方法 format 是类似的方法。接受与 PrintStream 和 PrintWriter 类的 format 方法相同的参数，返回 String 对象。

String bookInfo = String.format("title: %s, price: %f\n", title, price);

---

正则表达式

正则表达式的组成部分

下面是常用的部分，更详细的内容看 java.util.regex.Pattern 的文档。

字符

字符	含义
x	字符 x
\\	反斜杠字符
\0xhh	十六进制表示为 0xhh 的字符
\uhhhh	十六进制表示为 0xhhhh 的 Unicode 字符
\t	制表符
\n	换行符
\r	回车符

字符类

字符	含义
[abc]	a, b, c 任意一个字符
[^abc]	除 a, b, c 外的任意一个字符
[a-zA-Z]	从 a 到 z 或从 A 到 Z 的任意一个字符
[a-d[m-p]]	即 [a-dm-p]
[a-z&&[def]]	即 [def]
[a-z&&[^bc]]	即 [ad-z]
[a-z&&[^m-p]]	即 [a-lq-z]
[abc[xyz]]	即 [abcxyz]

预定义字符类

字符	含义
.	任意字符
\d	数字 [0-9]
\D	非字符 [^0-9]
\s	空白字符(空格、制表符、换行、换页、回车)
\S	非空白字符
\w	单词字符[a-zA-Z_0-9]
\W	非单词字符[^\w]

边界匹配符

字符	含义
^	一行开始
$	一行末尾
\b	词的边界，例如有 “hello world” 这个字符串两个单词之间的空格
\B	非词的边界
\G	前一个匹配的结束

逻辑操作符

字符	含义
XY	X 后跟 Y
X | Y	X 或者 Y
(X)	X 作为捕获组

量词

字符	含义
*	零个或多个
+	一个或多个
?	一个或零个
{m, n}	至少 m 次，至多 n 次
{m,}	至少 m 次
{m}	恰好 m 次

• 匹配优先模式：这是量词匹配的默认模式，它尽可能多地匹配字符。
• 忽略优先模式：需要在量词后面加上“？”号来启动这种模式，这种模式尽可能少地匹配字符。
• 占有优先模式：需要在量词后面加上“+”号来启动这个模式，这种模式与匹配优先模式类似，不过这种模式匹配的内容不会“交还”。

String 类的正则表达式方法

public String[] split(String regex)
public String replaceFirst(String regex, String replacement)
public String replaceAll(String regex, String replacement)
public boolean matches(String regex)

Java 中的反斜杠本身就有特殊意义，用来转义特殊字符，所以在正则表达式中使用预定义字符类时，需要使用两个反斜杠 \\，表示要插入正则表达式的反斜杠。例如：

String str = "1.one22.two3.three";
String[] numStr = str.split("\\d+\\.");

Pattern 和 Matcher

使用正则表达式包的流程如下：

第一步，创建 Pattern 对象：Pattern p = Pattern.compile(reg)；reg 为正则表达式字符串。
第二步，获取 Matcher 对象：Matcher m = p.matcher(str)；str 为需要匹配的字符串。
第三步，调用 Matcher 对象的 find 方法进行匹配：m.find()；如果字符串中有多个匹配项，则可以多次调用 find 方法。如果字符串可以被匹配的话，则 find 方法返回 true，否则返回 false。
第四步，调用 Matcher 对象的其他方法来获取当前匹配的内容。

组匹配

正则表达式中的圆括号可以圈定一个捕获组，而这个组中匹配的内容是可以在匹配操作完成后从匹配器中获取的。

在 Matcher 类中，有两个方法可以获取捕获组匹配的内容，如下：

public String group()
public String group(int group)

捕获组是从 1 开始从左到右的索引，组 0 表示整个模式。

替换字符串

Matcher 对象的 replaceAll 和 replaceFirst 方法，传入需要替换的值，返回替换后的字符串。

---

总结

目前的 Java 对字符串操作的支持已经相当完善，相较于 C/C++，Java 中的字符串操作更为简单，且不容易出错，这得益于 Java 的自动垃圾内存回收机制和 String 类的使用。

Java 内置了对正则表达式的支持。

String 类是 final 类，且 String 对象是常量对象，其内容不能被修改。

---