String类
基本概念
java.lang.String类的实例用于封装一个字符序列。一个字符串中的每个字符都对应的是一个unicode编码,换句话说,一个字符对应两个字节保存在内存中。字符串内部维护着一个char数组。用于保存这个字符串。
字符串对象为不变对象,一经创建不可改变。一旦对字符串进行修改操作,会创建新的对象。
字符串连接:s1+=s2;数组扩容,底层用数组复制实现的,利用copyOf方法实现。
java对字符串操作的优化
java中允许我们将一个字符串字面量赋值给字符串引用类型变量。在语法上看来更像是对基本类型变量赋值。
//引用类型变量 字面量 String str = "Hello"; String str2 = "Hello";
处于性能的考虑,java对字面量产生的字符串进行了缓存。将他们缓存在字符串的常量池中。
对于重复出现的字面量赋值,jvm会先查找常量池中是否有过这个字符串,若有则直接引用,减少字符串对象的创建。节省内存资源。
package com.org.qin.test.oop; public class Test { public static void main(String[] args) { String str1 = "HelloWorld"; String str2 = "HelloWorld"; String str3 = new String("HelloWorld"); // jvm在编译源程序时,会在编译过程中,对字面量计算的表达式先行计算,将结果替换表达式。这样可以节省运行时的开销。 String str4 = "Hello" + "World"; // 只要表达式有一方不是字面量,就不会再编译过程中计算 String str5 = "Hello"; String str6 = "World"; String str7 = str5 + str6; System.out.println(str1 == str2);// true 引用同一对象 System.out.println(str1 == str3);// false 不是同一个对象 System.out.println(str1.equals(str3));// false System.out.println(str1 == str4);// true System.out.println(str1 == str7);// false String str8 = "helloworld"; System.out.println(str1 == str8);// false 不是同一对象 String s = "123abc"; String s1 = s + ""; String s2 = "123" + "abc"; String s3 = "123abc" + ""; String s4 = "1" + 2 + 3 + "abc"; // s4 = "1" +"2" + 3 + "abc" // s4 = "12" + "3" + "abc" // s4 = "123" + "abc" String s5 = '1' + '2' + '3' + "abc";// 150abc String s6 = 1 + 2 + "3abc";// 33abc System.out.println(s == s1);// false System.out.println(s == s2);// true System.out.println(s == s3);// true System.out.println(s == s4);// true? System.out.println(s == s5);// false System.out.println(s == s6);// false String str = null; str += "a";// 结果是:nulla System.out.println(str); // 在执行 str = str +”a”; 的时候,/str 会被JVM自动类型转换成 String ---通过调用 // 相当于str = String.valueOf(str) + "a",而String.valueOf方法底层封装是:return (obj == null) ? "null" : obj.toString(); } }
字符串的构造器
1. String() 初始化一个新创建的 String 对象,使其表示一个空字符序列。
2. String(byte[] bytes) 通过使用平台的默认字符集解码指定的 byte 数组,构造一个新的 String。
3. String(byte[] bytes,String charsetname) 通过使用指定的 charset 解码指定的 byte 数组,构造一个新的 String。
4. String(byte[] bytes, int offset, int length, String charsetName) 通过使用指定的字符集解码指定的 byte 子数组(从offset开始,长度为length), 构造一个新的 String。
5. String(char[] value)
6. String(String paramString)
String类的常用方法
1. String toLowerCase():将英文转换为小写
2. String toUpperCase():将英文转换为大写
3. String trim(): 去掉字符串两边的空白
4. boolean startsWith(String prefix) 查看当前字符串是否以给定字符串开头。
5. boolean endsWith(String prefix) 查看当前字符串是否以给定字符串结尾。
6. int length() 返回当前字符串的字符总数
7. int indexOf(String str) 返回给定字符串在当前字符串中第一次出现的位置。这个位置是给定字符串首字符在当前字符串中的位置。若给定字符串在当前字符串中不包含返回-1
8. int indexOf(String str,int fromIndex) 从fromIndex指定的位置开始查找给定字符串是否在当前字符串中存在。
9. int lastIndexOf(String str) 返回给定字符串在当前字符串中最后一次出现的位置。
10. char charAt(int index) 返回当前字符串中指定位置的字符
11. toCharArray() 将此字符串转换为一个新的字符数组。
12. substring(int beginIndex , int endIndex) 返回字符串中从下标beginIndex(包括)到endIndex(不包括)结束的字符串。
13. substring(int beginIndex) 返回字符串中从下标beginIndex(包括)开始到字符串结尾的子字符串。 JDK中提供的方法,通常用两个int描述一个范围的时候,都是"含头不含尾"的。
14. byte[] getBytes(String charsetName) 将当前字符串按照给定的字符集进行编码,并返回编码后的字节数组
15. String[] split(String rex) 拆分字符串,根据正则表达式,按照满足的部分进行拆分,将拆后的每部分存入数组并返回
16. String replaceAll(String rex, String replcement) 将当前字符串中满足正则表达式的部分替换为给定的字符串,并将结果返回。
17. matchs() 检查当前字符串对象是否与给定的正则规则匹配。
字符串编码问题
1. 计算机中基本的数据表示为字节(8位)。
2. java中文(字符串,char数组)数据,是16位整数。
3.如果将文本变为基本8位字节数据(文件,互联网....) 需要进行适当的转换(拆分),拆分方式为:文本编码
4. 拆分方案称为:编码方案(encoding)
5. 将文本的编码数组byte[]返向合并为16字符数据称为:文本的解码
6. 编码和解码方案要一致,如果不一致就出现“乱码”。
7. 编码:将特定的数据按照某种方式转换为2进制的过程称为编码。数据--->2进制
8. 解码:将2进制的内容按照某种方式转化为特定数据的过程称为解码。2进制--->数据
9. Java String API提供了编码和解码支持方法(算法); 编码方法:getBytes() 解码方法:new String(byte[],“编码方案”);
10. 常见编码方案:GBK UTF-8 UTF-16BE ISO8859-1
unicode编码
1. 是国际组织,将地球上的每个文字分配了一个数字表示。这个数字编码称为unicode。共有80000+个字符(各个国家的字符)
2. Java字符类型16位整数支持65536个字符,支持unicode中常用的部分。Java支持国际化
3. 缺点 英文编码浪费(一般英文字符只要一个字节就可以了)
UTF-16BE编码
1. 采用定长2 byte编码,中文英文都是2个byte
2. 支持字符 65535
3. UTF-16BE编码就是把十六位从中间切开变成两个8位。如:0000000100000011--->00000001 00000011
UTF-8编码
1. 采用变长方案(为了节省空间):1~5Byte 英文:1 Byte 中文:3 Byte 2个Byte,4个Byte的文字一般不认识。
2. 支持80000+个字符
3. 如果文件以英文文件内容为主的话,很节省(英文是1个字节)。
4. 是国际化化最优方案!
GBK编码方案(中国国家标准) GB2312是GBK的子集(6000+字符)
1. 变长编码1~2Byte 英文:1 Byte 中文:2 Byte
2. 支持20000+个字符
3. 是中国本地化最优方案
4. 不支持国际化(只支持中文和英文,不支持其他国家的文字)
5. 只在中国用选GBK编码方案,国际化使用选用UTF-8编码方案!
6. GB2312繁体中文编码集,GBK国标编码 简体中文编码集
ISO8859-1编码
西欧编码,只支持英文!有256字符
String str = "ABC中"; byte[] bytes = str.getBytes("UTF-16BE"); // 以UTF-16BE编码方式进行编码(将字符串转成byte[]序列)。 String str1 = new String(bytes, "UTF-16BE"); // 以UTF-16BE编码方式进行解码(将byte[]序列转成字符串形式),以其他方式解码会出现乱码现象 System.out.println(str1); bytes = str.getBytes();// 以系统默认的编码方式进行编码(可配置) str1 = new String(bytes, "UTF-8"); System.out.println(str1);
正则表达式
以一个特殊的字符串来描述一个格式。让程序按照这个格式去验证字符串。那么用于描述格式的这个字符串就是正则表达式。
语法:[]:方括号中可以列举出现的内容,任选其一,方括号代表一个字符。
[abc]:可以出现一个字符,只能是a或b或c
[^abc]:可以出现一个字符,但不能是abc
[a-z]:只能出现一个小写英文字母,a-z表示一项,只不过是一个范围
[a-zA-Z0-9]:描述一个字符,可以是任意数字或字母
[a-z&&[^bc]]:a-z但不能是b或c
. : "."用来描述任意一个字符
\d:描述任意一个数字 等同于[0-9]
\D:描述任意一个非数字字符 等同[^0-9]
\s:任意一个空白字符
\S:描述任意一个非空白字符
\w:任意一个单词字符 等同[a-zA-Z_0-9]
\W:任意一个非单词字符 等同[^\w]
?:表示前面的内容出现0-1次 [\w]? 要么有要么没有一个单词字符
*:表示前面的内容出现0-任意次 [\d]* 任意个数字 [0-9]*
+:表示前面的内容出现1-任意次 [\d]+ 1个以上数字
{n}:表示前面的内容出现n次 [\d]{11} 出现11位数字
{n,m}:表示出现最少n次最多m-1次
{n,}:表示出现n次以上
( ):圆括号用于将其内部内容看做一个整体 [abc]+ : a ababa (abc)+ : abc abcabc
|:项与项之间的或关系
正则表达式以 "^"开头 以"$"结尾
邮政编码:6位数字
^[0-9][0-9][0-9][0-9][0-9][0-9]$ ^[0-9]{6}$ ^\d{6}$
用户名:8-10个单词字符
^[0-9a-zA-Z]{8,10}$ ^\w{8,10}$
手机号码:+86 13810000000 0086 13810000000 13810000000
^(\+86\s|0086\s)?\d{11}$ ^(\+86|0086)?$ 要么出现+86要么出现0086要么不出现,^\s?$ 空白出现0-1次
身份证
^\d{15}(\d{2}[0-9xX])?$ [0-9xX] 要么是数字要么是大写或小写的X (\d{2}[0-9xX]) 两位数字后要么是数字要么是大小写X
email:xx12xx@hotmail.com.cnFANCQ@TARENA.COM.cn
\w+@\w+(\.[a-zA-Z]{2,3})+
Java String API 正则表达式支持方法
matchs()
String rex = "[\\w]+@[0-9a-zA-Z]+\\.com"; String mail = "1@1.com"; // 注意:Java字符串中"\\"表示一个"\" 。特殊字符:如正则表达式中的“.”,原意表示为任意字符。进行转义\.就变成单纯的点。在字符串中就是\\. if(mail.matches(rex)){ System.out.println("是一个邮箱地址"); } else{ System.out.println("不是一个邮箱地址"); }
split
String str = "ffff 123123 45678 98786 3453"; String[] array = str.split("\\s");// 根据空格切割 System.out.println(Arrays.toString(array)); str = "123,456,789,1234,56456,,,,,,,,,,"; array = str.split(",");// 根据”,”切割 System.out.println(Arrays.toString(array)); // 去图片名 String imgName = "111.jpg"; String[] names = imgName.split("\\."); String fileName = names[0]; System.out.println(fileName);
replaceAll()
public class Test { public static void main(String[] args) throws Exception { // 将敏感字换成*** String[] info = {"NND", "SB", "TMD", "TNND", "CNM"}; String rex = "("; for(int i = 0; i < info.length - 1; i++){ rex += info[i] + "|"; } rex += (info[info.length - 1] + ")"); System.out.println(rex); String str = "NND今天装备又被黑了,那个SB团长!"; str = str.replaceAll(rex, "***"); System.out.println(str); } }
commons-lang简介
commons-lang是Apache Commons项目中的一个组件,commons-lang正对JDK官方的java.lang包中的类提供了一些实用的补充,在实践中应用很广。
StringUtils常用的方法
StringUtils是commons-lang包中提供的,正对对字符串操作的工具类,
String repeat(String str,int repeat):重复字符串若干次
String join(Object[] array,String separator):将一个数组中的元素连接成字符串
String leftpad(String str,int size,char padChar):向左边填充指定字符以达到指定长度
String leftRight(String str,int size,char padChar):向右边填充指定字符以达到指定长度。
StringBuilder和StringBuffer
StringBuilder和String不同,该类的实例封装了一个可变字符序列。
StringBuilder是为了修改字符串而设计的类。
String =char[]+操作 char[]不可变
StringBuilder=char[]+操作 char[]可变
常用构造方法:
StringBuilder():创建一个不含有任何字符的StringBuilder
StringBuilder(String str):创建一个包含str字符串的StringBuilder
StringBuilder提供了用于修改字符串内容的方法
append(String str):向当前字符串末尾追加新内容
delete():删除字符串中的部分内容
delete(int start, int end) 参数1:要删除的起始位置 参数2:要删除的结束位置
insert():向字符串的指定位置插入新内容
insert(offset, b) 参数1:指定字符串位置索引,从0开始 参数2:插入的内容
replace():替换字符串中部分内容为新内容
replace(start, end, str1) 参数1:被替换内容的起始位置 参数2:被替换内容的结束位置 参数3:替换的内容
substring(int start) 返回一个新的 String,它包含此字符序列当前所包含的字符子序列。
String substring(int start, int end) 返回一个新的 String,它包含此序列当前所包含的字符子序列。
StringBuilder的这些修改方法都有返回值,返回值都是StringBuilder的实例。这里返回的都是当前builder。这些方法最后一句都是 return this;
StringBuilder和StringBuffer
StringBuffer是java早期提供的(java1.0),速度稍慢,线程安全的。
StringBuilder是java5以后提供的,速度快,非线程安全。
String s=s1+s2;相当于String s=new StringBuilder(s1).append(s2).toString();
String s4=s+s3;==> String s4=new StringBuilder(s).append(s3).toString();
String s+=”a”;
会产生两个新对象(StringBuilder和String)
字符串连接性能测试
public class Test { public static void main(String[] args) throws Exception { testStringBuilder(1000000); testString(1000000); } public static void testStringBuilder(int n) { long start = System.currentTimeMillis(); StringBuilder builder = new StringBuilder(); for(int i = 0; i < n; i++){ builder.append("A"); } long end = System.currentTimeMillis(); System.out.println(end - start); } public static void testString(int n) { long start = System.currentTimeMillis(); String str = ""; for(int i = 0; i < n; i++){ str += "A"; } long end = System.currentTimeMillis(); System.out.println(end - start); } }
结论:
StringBuilder比String性能好。S+=”A”;相当于s=new StringBuilder(s).append(“A”).toString(),每做一次字符连接,就会创建一个StringBuilder新对象,同时JVM再适时回收这些对象,如此会影响性能。
当处理少量字符串拼接时使用String s=”a”+”b”;
大量字符串拼接操作时使用StringBuilder
对字符串性能有极高要求,则直接操作char[]数组。
附录(正则表达式)
校验数字的表达式
1 数字:^[0-9]*$
2 n位的数字:^\d{n}$
3 至少n位的数字:^\d{n,}$
4 m-n位的数字:^\d{m,n}$
5 零和非零开头的数字:^(0|[1-9][0-9]*)$
6 非零开头的最多带两位小数的数字:^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数:^(\-)?\d+(\.\d{1,2})?$
8 正数、负数、和小数:^(\-|\+)?\d+(\.\d+)?$
9 有两位小数的正实数:^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数:^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数:^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12 非零的负整数:^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
13 非负整数:^\d+$ 或 ^[1-9]\d*|0$
14 非正整数:^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数:^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16 非正浮点数:^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17 正浮点数:^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数:^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数:^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
校验字符的表达式
1 汉字:^[\u4e00-\u9fa5]{0,}$
2 英文和数字:^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符:^.{3,20}$
4 由26个英文字母组成的字符串:^[A-Za-z]+$
5 由26个大写英文字母组成的字符串:^[A-Z]+$
6 由26个小写英文字母组成的字符串:^[a-z]+$
7 由数字和26个英文字母组成的字符串:^[A-Za-z0-9]+$
8 由数字、26个英文字母或者下划线组成的字符串:^\w+$ 或 ^\w{3,20}$
9 中文、英文、数字包括下划线:^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号:^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&',;=?$\"等字符:[^%&',;=?$\x22]+
12 禁止输入含有~的字符:[^~\x22]+
特殊需求表达式
1 Email地址:^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
2 域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL:[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
4 手机号码:^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX):^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 国内电话号码(0511-4405222、021-87888822):\d{3}-\d{8}|\d{4}-\d{7}
7 身份证号:
15或18位身份证:^\d{15}|\d{18}$
15位身份证:^[1-9]\d{7}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{3}$
18位身份证:^[1-9]\d{5}[1-9]\d{3}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{4}$
8 短身份证号码(数字、字母x结尾):^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线):^[a-zA-Z]\w{5,17}$
11 强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间):^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12 日期格式:^\d{4}-\d{1,2}-\d{1,2}
13 一年的12个月(01~09和1~12):^(0?[1-9]|1[0-2])$
14 一个月的31天(01~09和1~31):^((0?[1-9])|((1|2)[0-9])|30|31)$
15 钱的输入格式:
16 1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000":^[1-9][0-9]*$
17 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式:^(0|[1-9][0-9]*)$
18 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号:^(0|-?[1-9][0-9]*)$
19 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分:^[0-9]+(.[0-9]+)?$
20 5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的:^[0-9]+(.[0-9]{2})?$
21 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样:^[0-9]+(.[0-9]{1,2})?$
22 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样:^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
23 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须:^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
24 备注:这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
25 xml文件:^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
26 中文字符的正则表达式:[\u4e00-\u9fa5]
27 双字节字符:[^\x00-\xff] (包括汉字在内,可以用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1))
28 空白行的正则表达式:\n\s*\r (可以用来删除空白行)
29 HTML标记的正则表达式:<(\S*?)[^>]*>.*?</\1>|<.*? /> (网上流传的版本太糟糕,上面这个也仅仅能部分,对于复杂的嵌套标记依旧无能为力)
30 首尾空白字符的正则表达式:^\s*|\s*$或(^\s*)|(\s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等),非常有用的表达式)
31 腾讯QQ号:[1-9][0-9]{4,} (腾讯QQ号从10000开始)
32 中国邮政编码:[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
33 IP地址:\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)