Java String 字符串类细节探秘

一. 字符串基本知识要点

　　字符串类型String是Java中最常用的引用类型。我们在使用Java字符串的时候，通常会采用两种初始化的方式：1. String str = "Hello World"; 2. String str = new String("Hello World"); 这两种方式都可以将变量初始化为java字符串类型，通过第一种方式创建的字符串又被称为字符串常量。需要注意的是，Java中的String类是一个final类，str指向的字符串对象存储于堆中，而str本身则是存储在栈中的一个引用罢了。字符串对象一旦被初始化，则不允许再次被修改。从如下String的定义中我们可以验证以上所述：

public final class String implements java.io.Serializable, Comparable<String>, CharSequence{
    
    /** The value is used for character storage. */
    private final char value[];
    
    /** Cache the hash code for the string */
    private int hash; // Default to 0
    
}

从代码中我们发现，String前有final修饰，表示是final类；而其中存储的字符数组value[]，也是由final修饰，表明一旦被赋值，则不允许再次修改。

　　那么，使用如上两种字符串初始化的方式有什么不同呢？我们可以通过如下代码体会：

public class EqualTest {
	public static void main(String[] args) {
		String s1 = "Hello";
		String s2 = new String("Hello");
		System.out.println(s1 == s2);
		System.out.println(s1.equals(s2));
	}
}

　　程序输出结果为false和true。从== 和equals的区别上，我们一般这样来总结：==比较的是两个对象的引用，对象必须一模一样；equals则比较的是对象的内容，字符串内容一致便返回true。这说明，两种初始化的方式所构造的字符串对象，内容是一致的（可以理解为values数组一致），但是却是两个不同的对象，分别存储在内存的不同位置。其实，这两种初始化方式的最大不同在于，s1被初始化在字符串常量池中，而s2则存储在堆中。那么，什么是字符串常量池呢？

　　字符串的分配，和其他的对象分配一样，耗费高昂的时间与空间代价。JVM为了提高性能和减少内存开销，在实例化字符串常量的时候进行了一些优化。为了减少在JVM中创建的字符串的数量，字符串类维护了一个字符串池，每当代码创建字符串常量时，JVM会首先检查字符串常量池。如果字符串已经存在池中，就返回池中的实例引用。如果字符串不在池中，就会实例化一个字符串常量并放到池中。Java能够进行这样的优化是因为字符串是不可变的final类型，共享的时候不用担心数据冲突（读写不冲突，因为不能写，相当于数据库中的S锁，即共享锁）。在常量池中，任何字符串至多维护一个对象。字符串常量总是指向常量池中的一个对象。通过new操作符创建的字符串对象不指向池中的任何对象，但是可以通过使用字符串的intern()方法来指向其中的某一个。java.lang.String.intern()返回一个池字符串，就是一个在全局常量池中有了一个入口。如果该字符串以前没有在全局常量池中，那么它就会被添加到里面。

　　Java String类中有很多基本的方法。主要分成以下两个部分：

　　1）和value[]相关的方法：

• int length(); //返回String长度，即value[]数组长度；
• char charAt(int index); //返回指定位置字符；
• int indexOf(int ch, int fromIndex); //从fromIndex位置开始，查找ch字符在字符串中首次出现的位置；
• char[] toCharArray();   //将字符串转换成一个新的字符数组

　　2）和其他字符串相关的方法：

• int indexOf(String str, int fromIndex); //从fromIndex位置开始，查找str字符串在字符串中首次出现的位置；
• int lastIndexOf(String str, int fromIndex); //从fromIndex位置开始，反向查找str字符串在字符串中首次出现的位置；
• boolean contains(String str); //contains内部实现也是调用的indexOf，找不到则返回-1
• boolean startsWith(String str); //判断字符串是否以str开头
• boolean endsWith(String str); //判断字符串是否以str结尾
• String replace(CharSequence target, CharSequence replacement);  //使用replacement替换target
• String substring(int beginIndex,  int endIndex);  //字符串截取，不传第二个参数则表示直接截取到字符串末尾
• String[] split(String regex);  // 以regex作为分割点进行字符串分割

 　　另外一个值得注意的细节是，String是不可变字符串对象，StringBuilder和StringBuffer是可变字符串对象（其内部的字符数组长度可变），StringBuffer线程安全，StringBuilder非线程安全。关于String的append操作，会在下面结合具体的例子进行解释。

二. 几个关于String的程序分析

2.1 intern的程序示例

　　参看如下程序：

public class StringTest1 {
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		String s1 = "hello world";
		String s2 = new String("hello world");
		String s3 = s2.intern();
		System.out.println(s1 == s2);
		System.out.println(s1 == s3); 
	}
}

　　程序的输出是false，true。关于==和equals的区别在上面已做了详细的解释，由于s1是分配在字符串常量池中，s2则存储在堆中，因此两个对象并不是同一个对象，==操作返回false。而intern在JDK 1.7及以下，都是返回一个池字符串，该池字符串和原来的String对象的内容一致。若池中无该常量则添加，若有，则直接返回该常量的引用。因此，s1和s3是一个对象。说白了，在JVM的字符串常量池中，对于每一个字符串，只有一个共享的对象。

2.2 通过字节码进行深入分析

　　当情况变得复杂的时候，参看如下程序：

public class StringTest2 {
	public static void main(String[] args){
		String baseStr = "base";
		final String baseFinalStr = "base";
		//extend
		String s1 = "baseext";
		String s2 = "base" + "ext";
		String s3 = baseStr + "ext";
		String s4 = baseFinalStr + "ext";
		String s5 = new String("baseext").intern();
		System.out.println(s1 == s2);
		System.out.println(s1 == s3);
		System.out.println(s1 == s4);
		System.out.println(s1 == s5);
	}
}

　　这段程序乍一看非常复杂，里面有final String（final是限制在String对象的引用上，即该引用不能再更改所指向的String对象，String对象本身便是final类型的），还有字符串常量，以及字符串对象，和各个对象之间的“+”操作（“+”操作在下面的程序中详细解释）。那么我们不禁会问，在“+”操作的过程中，JVM到底是如何进行对象转换和操作呢？要想搞清楚这个问题，我们需要深入Bytecode一探究竟。使用javap -v XXX.class命令，可以打印出字节码文件中的符号表和指令等信息，该段程序的字节码输出如下：

　　这里的constant pool指的是JVM内存结构中的运行时常量池，是方法区的一部分（参见周志明 《深入理解Java虚拟机》），我们上文提到的字符串常量池只是constant pool的一部分，除此之外，它还主要用来存储编译期生成的各种字面量和符号引用。javap -v的输出主要分为constant pool和方法体指令两部分，而指令中的操作数则是常量池中的序号。为了方便接下来的描述，我们先对常用的JVM字节码指令做一下说明：

LDC　　　　　　　　将int, float或String型常量值从常量池中推送至栈顶;
ASTORE_<N>　　　　Store reference into local variable，将栈顶的引用赋值给第N个局部变量;
ALOAD　　　　　　  将指定的引用类型本地变量推送至栈顶
INVOKE VIRTUAL　　调用实例方法
INVOKE SPECIAL　　调用超类构造方法等初始化方法
INVOKE STATIC 　　调用静态方法
NEW　　　　　　　　 创建一个对象，并将其引用值压入栈顶
DUP　　　　　　　　 复制栈顶数值并将复制值压入栈顶

　　以上指令是需要仔细理解的。使用javap -v进行字节码的查看和理解可能比较困难，因为你要将 #序号 和 constant pool中的字面量不断照应已方便理解。Eclipse中提供了Bytecode Outline的插件可以很方便的查看和理解bytecode。插件的安装请自行百度，这里不再赘述。这里贴出本段代码的outline：

 // access flags 0x9
  public static main([Ljava/lang/String;)V
   L0　　//
    LINENUMBER 5 L0
    LDC "base"　　//将"base"从常量池推送至栈顶
    ASTORE 1　　  //赋值给baseStr变量
   L1
    LINENUMBER 6 L1
    LDC "base"
    ASTORE 2　　  //赋值给baseFinalStr变量
   L2
    LINENUMBER 8 L2
    LDC "baseext"
    ASTORE 3　　  
   L3
    LINENUMBER 9 L3
    LDC "baseext"  //注意，这里直接将"baseext"赋值给了s2，而没有进行"+"操作！！！
    ASTORE 4
   L4
    LINENUMBER 10 L4
    NEW java/lang/StringBuilder  //创建StringBuilder对象
    DUP
    ALOAD 1 //将baseStr推送至栈顶
    INVOKESTATIC java/lang/String.valueOf (Ljava/lang/Object;)Ljava/lang/String; //获取baseStr的value
    INVOKESPECIAL java/lang/StringBuilder.<init> (Ljava/lang/String;)V　　//将创建的StringBuilder对象初始化为上一步获得的value
    LDC "ext"
    INVOKEVIRTUAL java/lang/StringBuilder.append (Ljava/lang/String;)Ljava/lang/StringBuilder;  //调用StringBuilder对象的append实例方法
    INVOKEVIRTUAL java/lang/StringBuilder.toString ()Ljava/lang/String;  //调用StringBuilder对象的toString实例方法
    ASTORE 5  //将toString的结果赋值给s3
   L5
    LINENUMBER 11 L5
    LDC "baseext"  //s4也是直接赋值
    ASTORE 6
   L6
    LINENUMBER 12 L6
    NEW java/lang/String
    DUP
    LDC "baseext"
    INVOKESPECIAL java/lang/String.<init> (Ljava/lang/String;)V
    INVOKEVIRTUAL java/lang/String.intern ()Ljava/lang/String; //调用intern()方法
    ASTORE 7
//===================================以下为 输出部分，可以忽略=========================================
   .......
　 .......
   L19
    LINENUMBER 17 L19
    RETURN
   L20 //类似于符号表，对应于local variable和变量编号
    LOCALVARIABLE args [Ljava/lang/String; L0 L20 0
    LOCALVARIABLE baseStr Ljava/lang/String; L1 L20 1
    LOCALVARIABLE baseFinalStr Ljava/lang/String; L2 L20 2
    LOCALVARIABLE s1 Ljava/lang/String; L3 L20 3
    LOCALVARIABLE s2 Ljava/lang/String; L4 L20 4
    LOCALVARIABLE s3 Ljava/lang/String; L5 L20 5
    LOCALVARIABLE s4 Ljava/lang/String; L6 L20 6
    LOCALVARIABLE s5 Ljava/lang/String; L7 L20 7
    MAXSTACK = 3
    MAXLOCALS = 8

　　如果想深入理解，请逐行理解以上字节码程序。根据程序的分析，我们不难得出输出结果：true false true true。

　　s1和s2,s4,s5都是指向字符串常量池中的同一个字符串常量。s2和s4中的“+”并没有起任何作用。String中使用 + 字符串连接符进行字符串连接时，连接操作最开始时如果都是字符串常量，编译后将尽可能多的直接将字符串常量连接起来，形成新的字符串常量参与后续连接。而s3中的第一个操作数是String对象类型，因此会首先以最左边的字符串为参数创建StringBuilder对象，然后依次对右边进行append操作，最后将StringBuilder对象通过toString()方法转换成String对象。

　　这里要注意的一点是，对于final字段修饰的字符串常量，编译期直接进行了常量替换。如果final修饰的不是字符串常量，而是字符串对象，如final String a = new String("baseStr"); 则和没有final修饰的情况是一样的，同样需要用StringBuilder进行append并toString才可以。

　　我们再通过一个程序来更深入的理解字符串常量和“+”操作符。程序如下：

public class AppendTest {
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		String a = "aa";
		String b = "bb";
		String c = "xx" + "yy " + a + "zz" + "mm" + b;
		System.out.println(c);
	}
}

　　程序输出自然不用赘述，我们通过同样的方法查看Bytecode的outline，输出如下：

// access flags 0x21
public class com/yelbosh/java/str/AppendTest {

  // compiled from: AppendTest.java

  // access flags 0x1
  public <init>()V
   L0
    LINENUMBER 3 L0
    ALOAD 0
    INVOKESPECIAL java/lang/Object.<init> ()V
    RETURN
   L1
    LOCALVARIABLE this Lcom/yelbosh/java/str/AppendTest; L0 L1 0
    MAXSTACK = 1
    MAXLOCALS = 1

  // access flags 0x9
  public static main([Ljava/lang/String;)V
   L0
    LINENUMBER 6 L0
    LDC "aa"
    ASTORE 1
   L1
    LINENUMBER 7 L1
    LDC "bb"
    ASTORE 2
   L2
    LINENUMBER 8 L2
    NEW java/lang/StringBuilder
    DUP
    LDC "xxyy " //直接load的是字符串常量“xxyy ”
    INVOKESPECIAL java/lang/StringBuilder.<init> (Ljava/lang/String;)V
    ALOAD 1
    INVOKEVIRTUAL java/lang/StringBuilder.append (Ljava/lang/String;)Ljava/lang/StringBuilder; //之后都是在调用StringBuilder对象的append实例方法
    LDC "zz"
    INVOKEVIRTUAL java/lang/StringBuilder.append (Ljava/lang/String;)Ljava/lang/StringBuilder;
    LDC "mm"
    INVOKEVIRTUAL java/lang/StringBuilder.append (Ljava/lang/String;)Ljava/lang/StringBuilder;
    ALOAD 2
    INVOKEVIRTUAL java/lang/StringBuilder.append (Ljava/lang/String;)Ljava/lang/StringBuilder;
    INVOKEVIRTUAL java/lang/StringBuilder.toString ()Ljava/lang/String;
    ASTORE 3
   L3
    LINENUMBER 9 L3
    GETSTATIC java/lang/System.out : Ljava/io/PrintStream;
    ALOAD 3
    INVOKEVIRTUAL java/io/PrintStream.println (Ljava/lang/String;)V
   L4
    LINENUMBER 10 L4
    RETURN
   L5
    LOCALVARIABLE args [Ljava/lang/String; L0 L5 0
    LOCALVARIABLE a Ljava/lang/String; L1 L5 1
    LOCALVARIABLE b Ljava/lang/String; L2 L5 2
    LOCALVARIABLE c Ljava/lang/String; L3 L5 3
    MAXSTACK = 3
    MAXLOCALS = 4
}

　　通过这个程序，更印证了我们如上的结论。

　　通过这个深入分析，我们在写代码的时候，也要注意使用StringBuilder对象。如果直接在for循环中使用“+”操作符进行字符串对象（常量无所谓）的拼接，那么实际上在每次循环的时候，都要创建StringBuilder，然后append，再toString出来，因此性能是十分低下的。这个时候，就需要在循环外声明StringBuilder对象，然后在循环内调用append方法进行拼接。另外要注意的是，StringBuilder是线程不安全的，如果涉及到多个线程同时对StringBuilder的append操作，请使用synchronized或lock确保并发访问的安全性，或者转而使用线程安全的StringBuffer。

总结：Java String是非常灵活的一个对象，但是只要把细节搞清楚，问题还是很简单的。在实际编码的过程中，一定要考虑字符串操作的性能和线程安全问题，这样才能更好的运用字符串完成自己的业务逻辑。希望这篇博文能对您的学习有些帮助，如果错误，请不吝赐教。