Java 字元串簡介

2021 年 1 月 29 日
筆記

從概念上講，Java 字元串就是 Unicode 字元序列。Java 沒有內置的字元串類型，而是在標準 Java 類庫中提供了一個預定義類，很自然地叫做 String。每個用雙引號括起來的字元串都是 String 類的一個實例：

String e = ""; // 空字元串
String greeting = "Hello";

1. 子串

String 類的 substring 方法可以從一個較大的字元串提取出一個子串。

String greeting = "Hello";
String s = greeting.substring(0, 3); // 變數 s 為 "Hel"

字元串中的程式碼單元和程式碼點從 0 開始計算。substring 方法的第二個參數是不想複製的第一個位置。

substring 的工作方式有一個優點：容易計運算元串長度。字元串s.substring(a, b)的長度為b - a。

2. 拼接

Java 語言允許使用 + 號連接（拼接）兩個字元串。

String expletive = "Expletive";
String PG13 = "deleted";
String message = expletive + PG13;
System.out.println(message);        // 列印 Expletivedeleted

當將一個字元串與一個非字元串的值進行拼接時，後者被轉換成字元串。

如果需要把多個字元串放在一起，用一個界定符分隔，可以使用靜態 join 方法：

String all = String.join(" /", "S", "M", "L", "XL");
System.out.println(all);// 列印 S /M /L /XL

String [] arr = {"S", "M", "L", "XL"};
all = String.join(" /", arr);
System.out.println(all);// 列印 S /M /L /XL

arr = new String[]{"S", "M", "L", "XL"};
List<String> list = Arrays.asList(arr);
all = String.join(" /", arr);
System.out.println(all);// 列印 S /M /L /XL

3. 字元串不可變

String 類沒有提供用於修改字元串的方法。由於不能修改 Java 字元串，所以在 Java 文檔中將 String 類對象稱為是不可變的（immutable）。不可變字元串卻有一個優點：編譯器可以讓字元串共享。

Java 的設計者認為共享帶來的高效率遠遠勝過於提取子串、拼接字元串所帶來的低效率。查看一下程式會發現：很少需要修改字元串，而是往往需要對字元串進行比較（有一種例外情況，將來自於文件或鍵盤的單個字元或較短的字元串彙集成字元串），Java 專門為此提供了一個單獨的類。

4. 檢測字元串是否相等

可以使用 equals 方法檢測兩個字元串是否相等。表達式：

s.equals(t);

如果字元串 s 與字元串 t 相等，返回 true；否則，返回 false。s 與 t 可以是字元串變數，也可以是字元串字面量。

想要檢測兩個字元串是否相等，而不區分大小寫，可以使用equalsIgnoreCase方法。

"Hello".equalsIgnoreCase("hello"); // true

一定不要使用 == 運算符檢測兩個字元串是否相等！這個運算符只能夠確定兩個字元串是否放置在同一個位置上。當然，如果字元串放置在同一個位置上，她們必然相等。但是，完全有可能將內容相同的多個字元串的拷貝放置在不同的位置上。

如果虛擬機始終將相同的字元串共享，就可以使用 == 運算符檢測是否相等。但實際上只有字元串常量是共享的。而 + 或 substring 等操作產生的結果並不是共享的。因此，千萬不要使用 == 運算符測試字元串的相等性，以免在程式中出現糟糕的 bug。這種 bug 很像隨機產生的間歇性錯誤。

5. 空串與 Null 串

空串是一個 Java 對象，有自己的長度（0）和內容（空）。空串「」是長度為 0 的字元串。

程式碼檢查一個字元串是否為空：

if (str.length() == 0)
// 或
if (str.equals(""))

要檢查一個字元串是否為 null：

if (str == null)

檢查一個字元串既不是 null 也不為空串：

if (str != null && str.length() != 0)

6. 碼點與程式碼單元

Java 字元串由 char 值序列組成。char 數據類型是一個採用 UTF-16 編碼表示 Unicode 碼點的程式碼單元。最常用 Unicode 字元使用一個程式碼單元就可以表示，而輔助字元需要一對程式碼單元表示。

length 方法將返回採用 UTF-16 編碼表示的給定字元所需要的程式碼單元數量。

String greeting = "Hello";
int n = greeting.length(); // 變數 n 為 5

要想得到實際的長度，即碼點數量，可調用：

String greeting = "Hello";
int n = greeting.codePointCount(0, greeting.length()); // 變數 n 為 5

調用 s.charAt(n) 將返回位置 n 的程式碼單元，n 介於0 ~ s.length()-1之間。

String greeting = "Hello";
char first = greeting.charAt(0); // first 為 'H'
char last = greeting.charAt(4); // last 為 'o'

要想得到第 i 個程式碼點，應該使用下列語句

String greeting = "Hello";
int i = 3;

int index = greeting.offsetByCodePoints(0, i);
int cp = greeting.codePointAt(index);
// 或者
int cp = greeting.codePointAt(index);

Java 對字元串中的程式碼單元和碼點從 0 開始。

為什麼對程式碼單元如此大驚小怪？考慮下列語句：

𝕆 is the set of octonions.

使用 UTF-16編碼表示字元 𝕆（U+1D546）需要兩個程式碼單元。調用

char ch = sentence.charAt(1);

返回不是一個空格，而是 𝕆 的第二個程式碼單元。為了避免這個問題，不要使用 char 類型。這太底層了。

String greeting = "Hello";
// 獲得實際的長度，即碼點數量
int n = greeting.codePointCount(0, greeting.length());
System.out.println(n); // 列印 5

// 輔助字元 𝕆（U+1D546）
String str = "\ud835\udd46";
System.out.println(str); // 列印 𝕆

// 獲得輔助字元 𝕆 實際的長度，即碼點數量：2
n = str.length();
System.out.println(n); // 列印 2
System.out.println(str.charAt(0)); // 列印 ?
System.out.println(str.charAt(1)); // 列印 ?


// 列印輔助字元 𝕆 的碼點
System.out.println(str.codePointAt(0)); // 列印 120134
// 列印輔助字元 𝕆
System.out.println(new String(Character.toChars(120134))); // 列印 𝕆

// 列印輔助字元 𝕆 的 unicode 字元：\ud835\udd46
for(int i = 0; i < str.length(); i++) {
    String unicode = Integer.toHexString(str.charAt(i));
    System.out.print("\\u");
    System.out.print(unicode);
}

如果想要遍歷一個字元串，並且依次查看每一個碼點，可以使用下列語句：

String str = "\ud835\udd46 is the set of octonions.";
int i = 0;
while(i < str.length()) {
    int cp = str.codePointAt(i);
    System.out.print(new String(Character.toChars(cp)));

    if(Character.isSupplementaryCodePoint(cp)) {
        i += 2;
    }else {
        i++;
    }
}

列印：𝕆 is the set of octonions.

可以使用下列語句實現回退操作：

String str = "\ud835\udd46 is the set of octonions.";
int i = str.length();
while(i > 0) {
    i--;
    if (Character.isSurrogate(str.charAt(i))) {
        i--;
    }
    int cp = str.codePointAt(i);
    System.out.print(new String(Character.toChars(cp)));
}

列印：.snoinotco fo tes eht si 𝕆

顯然，這很麻煩。更容易的辦法是使用 codePoints 方法，它會生成一個 int 值「流」，每個 int 值對應一個碼點。可以將它轉換為一個數組，再完成遍歷。

int[] codePoints = str.codePoints().toArray();

反之，要把一個碼點數組轉換為一個字元串，可以使用構造函數。

String str = new String(codePoints, 0, codePoints.length);

虛擬機不一定吧字元串實現為程式碼單元序列。在 Java 9 中，只包含單位元組程式碼單元的字元串使用 byte 數組實現，所有其他字元串使用 char 數組。

// str = 𝕆 is the set of octonions. 🍺🍺🍺
String str = "\ud835\udd46 is the set of octonions. \ud83c\udf7a\ud83c\udf7a\ud83c\udf7a";
System.out.println(str);

// 正向遍歷字元串 1
for(int i = 0; i < str.length();) {
    int cp = str.codePointAt(i);
    if(Character.isSupplementaryCodePoint(cp)) {
        i += 2;
    }else {
        i++;
    }
    char[] chars = Character.toChars(cp);
    String code = new String(chars);
    System.out.print(code);
}
System.out.println();

// 正向遍歷字元串 2
int[] codePoints = str.codePoints().toArray();
for(int i = 0; i < codePoints.length; i++) {
    String code = new String(Character.toChars(codePoints[i]));
    System.out.print(code);
}
System.out.println();

// 將碼點數組轉化為字元串
String newStr = new String(codePoints, 0, codePoints.length);
System.out.println(newStr);

// 反向遍歷字元串
for(int i = str.length(); i > 0;) {
    i--;
    
    char ch = str.charAt(i);
    if(Character.isSurrogate(ch)) {
        i--;
    }
    int cp = str.codePointAt(i);
    char[] chars = Character.toChars(cp);
    String code = new String(chars);
    System.out.print(code);
}

7. 構建字元串

有時需要由較短的字元串構建字元串，例如，按鍵或來自文件中的單詞。採用字元串連接的方式達到此目的效率比較低。每次連接字元串，都會構建一個新的 String 對象，即耗時，又浪費空間。使用 StringBuilder 類就可以避免上述問題的發生。

// 構建一個空的字元串構建器
StringBuilder builder = new StringBuilder();

// 向字元串構造器對象中追加小段字元串
builder.append("Welcome");
builder.append(" ");
builder.append("to");
builder.append(" ");
builder.append("xiang017");
builder.append("!");

// 構造字元串對象
String str = builder.toString();

// 列印 Welcome to xiang017!
System.out.println(str);

StringBuilder 類的前身是 StringBuffer，它的效率稍有些低，但允許採用多執行緒的方式添加或刪除字元。如果所有字元串編輯操作都在單個執行緒中執行（通常都是這樣），則應該使用 StringBuilder。這兩個類的 API 是一樣的。

8. StringBuilder 類中的重要方法：

java.lang.StringBuilder

StringBuilder()

構造一個空的字元串構建器。
int length()

返回構建器或緩衝器中的程式碼單元數量。
StringBuilder append(String str)

追加一個字元串並返回 this。
StringBuiler append(char c)

追加一個程式碼單元病分會 this。
void setCharAt(int i, char c)

將第 i 個程式碼單元設置為 c。
StringBuilder insert(int offset, String str)

在 offset 位置插入一個字元串並返回 this。
StringBuilder insert(int offset, char c)

在 offset 位置插入一個程式碼單元並返回 this。
StringBuilder delete(int startIndex, int endIndex)

刪除變異量從 startIndex 到 endIndex-1 的程式碼單元並返回 this。
String toString()

返回一個與構建器或緩衝器內容相同的字元串。

9. String 類中的重要方法

Java 中的 String 類包含了 50 多個方法。它們絕大多數都很有用，使用的評率非常高。

java.lang.String

char charAt(int index)

返回給定位置的程式碼單元。除非對底層的程式碼單元感興趣，否則不需要調用這個方法。
int codePointAt(int index) 5

返回從給定位置開始的碼點。
int offsetByCodePoints(int startIndex, int cpCount) 5

返回從 startIndex 碼點開始，cpCount 個碼點後的碼點索引。
int compareTo(String other)

按照字典順序，如果字元串位於 other 之前，返回一個負數；如果為字元串 other 之後，返回一個整數；如果兩個字元串相等，返回 0。
IntString codePoints() 8

將這個字元串的碼點作為一個流返回。調用 toArray 將它們放在一個數組中。
new String(int[] codePoints, int offset, int count) 5

用數組中從 offset 開始的 count 個碼點構造一個字元串。
boolean empty()

如果字元串為空，返回 true。
boolean blank() 11

如果字元串由空字元串組成，返回 true。
boolean equals(Other other)

如果字元串與 other 相等，返回 true。
boolean equalsIgnoreCase(String other)

如果字元串與 other 相等（忽略大小寫），返回 true。
boolean startsWith(String prefix)

如果字元串以 prefix 開頭，返回 true。
boolean endWith(String suffix)

如果字元串以 suffix 結尾，返回 true。
int indexOf(String str)
int indexOf(String str, int fromIndex)
int indexOf(int cp)
int indexOf(int cp, int fromIndex)

返回與字元串 str 或碼點 cp 匹配的第一個子串的開始位置。從索引 0 或 fromIndex 開始匹配。如果在原始字元串中不存在 str 或 cp，則返回 -1。
int lastIndexOf(String str)
int lastIndexOf(String str, int fromIndex)
int lastIndexOf(int cp)
int lastIndexOf(int cp, int fromIndex)

返回與字元串 str 或碼點 cp 匹配的最後一個子串的開始位置。從原始字元串末尾或 fromIndex 開始匹配。
int length()

返回字元串程式碼單元的個數。
int codePointCount(int startIndex, int endIndex) 5

返回 startIndex 和 endIndex-1 之間的碼點個數。
String replace(CharSequence oldString, CharSequence newString)

返回一個新的字元串。這個字元串用 newString 代替原始字元串中所有的 oldString。可以用 String 或 StringBuilder 對象作為 CharSequence 參數。
String substring(int beginIndex)
String substring(int beginIndex, int endIndex)

返回一個新字元串。這個字元串包含原始字元串從 beginIndex 到字元串末尾或 endIndex-1 的素有程式碼單元。
String toLowerCase()

返回一個新的字元串。這個字元串將原始字元串中的大寫字母改為小寫。
String toUpperCase()

返回一個新的字元串。這個字元串將原始字元串中的小寫字母改為大寫。
String trim()
String strip() 11

返回一個新字元串。這個字元串將刪除原始字元串頭部和尾部小於等於 U+0020 的字元（trim）或空格（strip）。
String join(CharSequence delimiter, CharSequence… elements) 11

返回一個新字元串，用給定的定界符連接所有元素。
String repeat(int count) 11

返回一個字元串，當前字元串重複 count 次。