java 的split 方法 处理一个字符串出现次数

Java代码  

在java.lang包中有String.split()方法,返回是一个数组

我在应用中用到一些,给大家总结一下,仅供大家参考:

1、如果用“.”作为分隔的话,必须是如下写法,String.split("\\."),这样才能正确的分隔开,不能用String.split(".");

2、如果用“|”作为分隔的话,必须是如下写法,String.split("\\|"),这样才能正确的分隔开,不能用String.split("|");

“.”和“|”都是转义字符,必须得加"\\";

3、如果在一个字符串中有多个分隔符,可以用“|”作为连字符,比如,“acount=? and uu =? or n=?”,把三个都分隔出来,可以用String.split("and|or");

使用String.split方法分隔字符串时,分隔符如果用到一些特殊字符,可能会得不到我们预期的结果。 

我们看jdk doc中说明  

public String[] split(String regex)

 Splits this string around matches of the given regular expression. 

参数regex是一个 regular-expression的匹配模式而不是一个简单的String,他对一些特殊的字符可能会出现你预想不到的结果,比如测试下面的代码用竖线 | 分隔字符串,你将得不到预期的结果

 

   String[] aa = "aaa|bbb|ccc".split("|");

    //String[] aa = "aaa|bbb|ccc".split("\\|"); 这样才能得到正确的结果

    for (int i = 0 ; i <aa.length ; i++ ) {

      System.out.println("--"+aa[i]); 

    } 

 

用竖 * 分隔字符串运行将抛出java.util.regex.PatternSyntaxException异常,用加号 + 也是如此。

    String[] aa = "aaa*bbb*ccc".split("*");

    //String[] aa = "aaa|bbb|ccc".split("\\*"); 这样才能得到正确的结果    

    for (int i = 0 ; i <aa.length ; i++ ) {

      System.out.println("--"+aa[i]); 

    }  

 

显然, + * 不是有效的模式匹配规则表达式,用"\\*" "\\+"转义后即可得到正确的结果。

"|" 分隔串时虽然能够执行,但是却不是预期的目的,"\\|"转义后即可得到正确的结果。

还有如果想在串中使用"\"字符,则也需要转义.首先要表达"aaaa\bbbb"这个串就应该用"aaaa\\bbbb",如果要分隔就应该这样才能得到正确结果,

String[] aa = "aaa\\bbb\\bccc".split("\\\\");

1.   System.out.println(":ab:cd:ef::".split(":").length);//末尾分隔符全部忽略    
2.   System.out.println(":ab:cd:ef::".split(":",-1).length);//不忽略任何一个分隔符    
3.   System.out.println(StringUtils.split(":ab:cd:ef::",":").length);//最前面的和末尾的分隔符全部都忽略,apache commons    
4.   System.out.println(StringUtils.splitPreserveAllTokens(":ab:cd:ef::",":").length);//不忽略任何一个分隔符 apache commons     
5. 输出：    
6. 4    
7. 6    
8. 3    
9. 6    

看了下jdk里String类的public String[] split(String regex,int limit)方法，感觉平时不太会用这方法，以为在用正则表达式来拆分时候，如果匹配到的字符是最后一个字符时，会拆分出两个空字符串，例如"o"split("o",5) or "o"split("o",-2)时候 结果是"" "" 也就是下图中红框里的内容，所以平时一般都用split(String regex)方法，其实也就等同于split(String regex，0)方法，把结尾的空字符串丢弃！




String的split方法用到的参数是一个正则式，虽然强大，但是有时候容易出错。而且string并没有提供简化版本。org.apache.commons.lang.StringUtils提供的split改变了这一状况，开始使用完整的字符串作为参数，而不是regex。同时，对类似功能的jdk版本的StringTokenizer，在内部方法splitWorker中有段注释：Direct code is quicker than StringTokenizer.也就是说，这个是更快的一个工具了~~

StringUtils里的split和splitPreserveAllTokens 底层都是调用splitWorker方法实现的
下面分别来理解下两个私有的splitWorker方法：

Java代码  

1. private static String[] splitWorker(String str, char separatorChar, boolean preserveAllTokens)  
2. {  
3.         // Performance tuned for 2.0 (JDK1.4)  
4.   
5.         if (str == null) {  
6.             return null;  
7.         }  
8.         int len = str.length();  
9.         if (len == 0) {  
10.             return ArrayUtils.EMPTY_STRING_ARRAY;  
11.         }  
12.         List list = new ArrayList();  
13.         int i = 0, start = 0;  
14.         boolean match = false;  
15.         boolean lastMatch = false;  
16.         while (i < len) {  
17.             if (str.charAt(i) == separatorChar) {  
18.                 if (match || preserveAllTokens) {  
19.                     list.add(str.substring(start, i));  
20.                     match = false;  
21.                     lastMatch = true;  
22.                 }  
23.                 start = ++i;  
24.                 continue;  
25.             }  
26.             lastMatch = false;  
27.             match = true;  
28.             i++;  
29.         }  
30.         if (match || (preserveAllTokens && lastMatch)) {  
31.             list.add(str.substring(start, i));  
32.         }  
33.         return (String[]) list.toArray(new String[list.size()]);  
34.     }  

是一个核心方法，用于拆分字符串，其中字符c表示分隔符，另外布尔变量b表示c在首尾的不同处理方式。为真，则在首位留一个""的字符串。但是在中间是没有作用的。该方法执行如下操作：
  如果字符串为null，则返回null。
  如果字符串为""，则返回""。
  用i作为指针遍历字符串，match和lastMatch分别表示遇到和最后遇到可分割的内容。
    如果字符串中第一个就遇到c，则看b的值，如果为真，则会在结果数组中存入一个""。如果没遇到，match置真，lastMatch置假，表示有要分割的内容。
    一旦遇到c，则在结果数组中输出字符串在i之前的子字符串，并把起始点调整到i之后。且match置假，lastMatch置真。
  遍历结束，如果match为真（到最后也没有遇到c），或者lastMatch和b同为真（最后一个字符是c），则输出最后的部分（如果是后者，则会输出一个""）。

Java代码  

1. private static String[] splitWorker(String str, String separatorChars, int max, boolean preserveAllTokens)  
2. {  
3.         // Performance tuned for 2.0 (JDK1.4)  
4.         // Direct code is quicker than StringTokenizer.  
5.         // Also, StringTokenizer uses isSpace() not isWhitespace()  
6.   
7.         if (str == null) {  
8.             return null;  
9.         }  
10.         int len = str.length();  
11.         if (len == 0) {  
12.             return ArrayUtils.EMPTY_STRING_ARRAY;  
13.         }  
14.         List list = new ArrayList();  
15.         int sizePlus1 = 1;  
16.         int i = 0, start = 0;  
17.         boolean match = false;  
18.         boolean lastMatch = false;  
19.         if (separatorChars == null) {  
20.             // Null separator means use whitespace  
21.             while (i < len) {  
22.                 if (Character.isWhitespace(str.charAt(i))) {  
23.                     if (match || preserveAllTokens) {  
24.                         lastMatch = true;  
25.                         if (sizePlus1++ == max) {  
26.                             i = len;  
27.                             lastMatch = false;  
28.                         }  
29.                         list.add(str.substring(start, i));  
30.                         match = false;  
31.                     }  
32.                     start = ++i;  
33.                     continue;  
34.                 }  
35.                 lastMatch = false;  
36.                 match = true;  
37.                 i++;  
38.             }  
39.         } else if (separatorChars.length() == 1) {  
40.             // Optimise 1 character case  
41.             char sep = separatorChars.charAt(0);  
42.             while (i < len) {  
43.                 if (str.charAt(i) == sep) {  
44.                     if (match || preserveAllTokens) {  
45.                         lastMatch = true;  
46.                         if (sizePlus1++ == max) {  
47.                             i = len;  
48.                             lastMatch = false;  
49.                         }  
50.                         list.add(str.substring(start, i));  
51.                         match = false;  
52.                     }  
53.                     start = ++i;  
54.                     continue;  
55.                 }  
56.                 lastMatch = false;  
57.                 match = true;  
58.                 i++;  
59.             }  
60.         } else {  
61.             // standard case  
62.             while (i < len) {  
63.                 if (separatorChars.indexOf(str.charAt(i)) >= 0) {  
64.                     if (match || preserveAllTokens) {  
65.                         lastMatch = true;  
66.                         if (sizePlus1++ == max) {  
67.                             i = len;  
68.                             lastMatch = false;  
69.                         }  
70.                         list.add(str.substring(start, i));  
71.                         match = false;  
72.                     }  
73.                     start = ++i;  
74.                     continue;  
75.                 }  
76.                 lastMatch = false;  
77.                 match = true;  
78.                 i++;  
79.             }  
80.         }  
81.         if (match || (preserveAllTokens && lastMatch)) {  
82.             list.add(str.substring(start, i));  
83.         }  
84.         return (String[]) list.toArray(new String[list.size()]);  
85.     }  

也是一个核心方法，用于拆分字符串，其与上一个方法的不同之处在于其分隔符用字符串表示一组字符，且增加一个max变量，表示输出的字符串数组的最大长度。另外注意该方法的b如果为真，会在首尾及中间起作用，且如果分隔符字符串长度大于1，则数组中的""会更多（根据分隔符字符的数量）。该方法执行如下操作：
  如果字符串为null，则返回null。
  如果字符串为""，则返回""。
  之后的处理分三种情况，分别是分隔符字符串为null，则默认为" "；分割符字符串长度为1；分割符字符串为普通字符串。这三种处理的不同只是在当前遍历中的字符的判断问题。
    1.利用Character.isWhitespace方法判断每个字符是否为" "。
    2.先把字符串转化为一个char，然后就和前一个splitWorker方法类似。
    3.利用indexOf方法查找当前字符是否在分隔符字符串中，然后就和前一个splitWorker方法类似。
    需要注意的是，如果输出的数组的数量已经等于max的值，则把指针直接挪到最后，等待下次遍历的时候直接跳出。同时由于lastMatch和match都置为假，最后也不会输出""了。
   遍历结束，如果match为真（到最后也没有遇到c），或者lastMatch和b同为真（最后一个字符在分隔符字符串中），则输出最后的部分（如果是后者，则会输出一个""）。