String 类详解

不可变性

String 对象是不可变（Immutable）的，也就是一旦 String 类实例被创建后，就不能改变其值。这里的不可变指的是引用既不能指向其他对象，而且引用指向的对象的值也不能改变。

为什么不可变

在 JDK1.6 中，String 类中的成员变量如下：

public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence
{
    /** The value is used for character storage. */
    private final char value[];

    /** The offset is the first index of the storage that is used. */
    private final int offset;

    /** The count is the number of characters in the String. */
    private final int count;
复制代码

在 JDK1.7 中，String 类主要改变了 substring 方法的实现，成员变量剩下了两个：

public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence {
    /** The value is used for character storage. */
    private final char value[];
复制代码

可以看出，String 就是字符数组的封装。在 JDK6 中，value 是一个 char 数组，offset 是 String 对象实际的起始位置，而 count 是所占的个数。在 JDK7 中，value 中的所有字符都属于 String 对象。

value、offset 和 count 这三个变量都是 private final 的，并且没有 setter 方法来修改，所以 String 类外部无法修改 String。所以，一旦初始化后就不能修改，String 对象也就是不可变的。

真的不可变吗

String 中的 char 数组 value 是 private final 的，被 final 修饰 虽然不能指向其他数组对象，但却可以通过反射修改其指向的数组。

使用反射可以得到 String 类的 value 属性，修改访问权限，然后就可以对数组内容进行修改。

public static void main(String[] args) throws Exception {
    String s = "abc";
    System.out.println(s);
    // 获取 value 字段
    Field field = String.class.getDeclaredField("value");
    // 修改 value 字段访问权限
    field.setAccessible(true);
    // 获取 s 对象上 value 属性的值
    char[] value = (char[]) field.get(s);
    value[1] = 'd';
    
    System.out.println(s);
}
// abc
// adc
复制代码

可以看到，通过反射是可以修改 "不可变" 对象的。

不可变的优点

String 被设计为不可变的，在 Security、Cache、Thread Safe 方面都有很多优点：

• 安全性。String 被广泛地使用在其他 Java 类中充当参数。例如 网络连接、IO 操作、数据库连接等，如果字符串可变，那么可能会导致安全问题。
• 字符串常量池。String 类维护了一个运行时常量池，会对创建的字符串进行缓存，如此在使用时更加高效。而这就建立在不可变的基础上，不用担心数据冲突问题。
• 缓存 hashcode。Java 中经常用到字符串的哈希值，字符串的不可变能保证其 hashcode 永远保持一致，这样在每次使用一个字符串的 hashcode 时，就不用重新计算一次，也更加高效。
• 线程安全性。由于 String 对象不能被改变，所以同一个字符串实例可以被多个线程共享，而不用因为线程安全问题使用同步。

不可变的缺点

当然，设计为不可变也会出现一些缺点，例如在类似拼接、裁剪等操作时，都会创建新的 String 对象，如果程序设计不当，便会产生大量无用的字符串对象，耗费时间空间。

"+" 的实现

1、对于两个编译期常量(编译期可知)，例如 String s = "a" + "b"，编译器会进行常量折叠，即变成 String s = "ab"：

/**
 * String s1 = "ab";
 * String s2 = "a1";
 */
String s1 = "a" + "b";
String s2 = "a" + 1;
复制代码

2、对于能够进行优化的(例如 String s = "a" + s1 等)用 StringBuilder 的 append() 方法替代，最后调用 toString() 方法

/**
 * String s3 = (new StringBuilder()).append("a").append(s1).toString();
 * String s4 = (new StringBuilder()).append(s2).append(s3).toString();
 */
String s3 = "a" + s1;
String s4 = s2 + s3;

/**
 * String s6 =
 * for (int i = 0; i < 2; i++) {
 *     s6 = (new StringBuilder()).append(s6).append(i).toString();
 * }
 */
String s6 = "";
for (int i = 0; i < 2; i++) {
    s6 += i;
}
复制代码

substring 在 jdk6 和 7 的区别

substring 是一个比较常用的方法，而且在 jdk6 和 jdk7 中的实现不同。substring(int beginIndex, in endIndex) 方法的作用是截取字符串并返回其 [beginIndex, endIndex - 1] 范围内的内容。

String str = "abcdef";
String substring = str.substring(2, 4);
System.out.println(substring);
复制代码

输出结果为：cd。

JDK6 中的 substring

前面说过，在 JDK 6 中，String 类的三个成员变量：char value[]，int offset，int count，三个变量决定了 String 存储的真正的字符数组。

String 中主要相关源码如下：

String(int offset, int count, char value[]) {
    this.value = value;
    this.offset = offset;
    this.count = count;
}

public String substring(int beginIndex, int endIndex) {
	// 检查边界
	return ((beginIndex == 0) && (endIndex == count)) ? this :
	    new String(offset + beginIndex, endIndex - beginIndex, value);
}
复制代码

当调用 substring 方法时，会创建一个 String 对象，但 value 引用仍然指向堆中的同一个字符数组。它的内存变化：

如果字符串很长，在使用 substring 进行切割时只需要很短的一段，就可能导致性能问题.。因为只需要一小段字符串，但是却引用了整个字符串，这个很长的字符数组一直在被引用，所以无法被回收，就可能导致内存泄露。

JDK7 中的 substring

在 JDK7 中，主要剩下一个 value 变量，它的主要源码如下；

public String(char value[], int offset, int count) {
    // 检查边界
    this.value = Arrays.copyOfRange(value, offset, offset+count);
}

public String substring(int beginIndex) {
    // 检查边界
    int subLen = value.length - beginIndex;
    // 检查边界
    return (beginIndex == 0) ? this : new String(value, beginIndex, subLen);
}
复制代码

可以看到，JDK 7 中的 subString 方法，使用 new String 创建了一个新字符串，避免对老字符串的引用，从而解决了内存泄露问题。它的内存变化如下：

StringBuffer、StringBuilder

String

String 是不可变对象，被声明为 final class，所有属性也都是 final 的。由于其不可变性，类似拼接、裁剪等操作，都会产生一个新的 String 对象，然后指针指向新的 String 对象，如果操作不当，可能会产生大量临时字符串。

在字符串内容不经常变化的业务场景优先使用 String 类。例如：常量声明、少量的字符串拼接等。

StringBuffer

StringBuffer 是一个线程安全的可变字符序列。它解决了由于拼接产生太多中间对象的问题，可以用 append 或 add 方法，把字符串添加到字符串的末尾或指定位置。

它虽然保证了线程安全，也带来了额外的性能开销，所以除非有线程安全的需要，否则还是推荐使用 StringBuilder。

StringBulider

StringBuilder 在能力与 StringBuffer 没有本质区别，但不保证同步，有效减小了开销。如果可能，在字符串拼接时建议优先使用。

为了能实现可修改的目的，StringBuffer 和 StringBuilder 底层都是可修改的数组，二者都继承了 AbstarctStringBuilder，包含了基本操作，区别仅在于最终的方法是否加了 synchronized。

JDK 9 改进

在 JDK9 之前，String 类内部使用 char 数组来存储数据，但 char 是两个字节大小，这样就造成了一定的浪费。

在 JDK9 中，引入了 Compact Strings 的设计，对字符串进行改进，将 char 数组改变为 byte 数组加上一个标识编码的 coder，并且对相关字符串操作进行修改。

成员变量变化如下：

public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence {
    @Stable
    private final byte[] value;
    private final byte coder;
复制代码

改进之后，在存储数据时，如果传入 byte 数组，直接赋值就好，如果传入 char 数组，其源码如下：

String(char[] value, int off, int len, Void sig) {
    if (len == 0) {
        this.value = "".value;
        this.coder = "".coder;
        return;
    }
    if (COMPACT_STRINGS) { // COMPACT_STRINGS 默认初始化为 true
        byte[] val = StringUTF16.compress(value, off, len);
        if (val != null) {
            this.value = val;
            this.coder = LATIN1;
            return;
        }
    }
    this.coder = UTF16;
    this.value = StringUTF16.toBytes(value, off, len);
}
复制代码

其中，StringUTF16.compress 方法实现如下：

public static byte[] compress(char[] val, int off, int len) {
    byte[] ret = new byte[len];
    if (compress(val, off, ret, 0, len) == len) {
        return ret;
    }
    return null;
}
···
@HotSpotIntrinsicCandidate
public static int compress(char[] src, int srcOff, byte[] dst, int dstOff, int len) {
    for (int i = 0; i < len; i++) {
        char c = src[srcOff];
        if (c > 0xFF) {
            len = 0;
            break;
        }
        dst[dstOff] = (byte)c;
        srcOff++;
        dstOff++;
    }
    return len;
}
复制代码

在 for 循环中，如果 char 数组中每一个字符都小于等于 0xFF，那么将 char 转换为 byte，完成构造，其 coder 为 LATIN1。

而如果存在一个大于 0xFF 的字符，就会跳出循环，最终 StringUTF6.compress 方法返回 null，通过 StringUTF16.toBytes 方法:

@HotSpotIntrinsicCandidate
public static byte[] toBytes(char[] value, int off, int len) {
    byte[] val = newBytesFor(len);
    for (int i = 0; i < len; i++) {
        putChar(val, i, value[off]);
        off++;
    }
    return val;
}

public static byte[] newBytesFor(int len) {
    // check bound
    return new byte[len << 1];
}

@HotSpotIntrinsicCandidate
// intrinsic performs no bounds checks
static void putChar(byte[] val, int index, int c) {
    assert index >= 0 && index < length(val) : "Trusted caller missed bounds check";
    index <<= 1;
    val[index++] = (byte)(c >> HI_BYTE_SHIFT);
    val[index]   = (byte)(c >> LO_BYTE_SHIFT);
}
复制代码

通过 newBytesFor 方法 new 一个两倍长度的 byte 数组，在 for 循环中，通过 putChar 方法来填充 byte 数组，将 char 字符分为两部分，存储两个相邻的 byte 数组中。

String 类中方法基本都重新实现了一遍，但对外提供的接口没有改变。重构后，在字符串中所有字符小于 0xFF 时，可以节省一半的内存。

JDK 11 新特性

JDK 11 中 String 类增加了一系列的字符串处理方法：

// 判断字符串是否为空白
System.out.println(" ".isBlank());              // true

// 去除首尾空格
System.out.println(" Timber ".strip());           // Timber

// 去除首部空格
System.out.println(" Timber".stripLeading());     // Timber

// 去除尾部空格
System.out.println("Timber ".stripTrailing());    // Timber

// 重复字符串
System.out.println("Timber".repeat(2));           // TimberTimber

// 获取字符串中的行数
System.out.println("A\nB\nC".lines().count());  // 3
复制代码

参考资料

• 三张图彻底了解JDK 6和JDK 7中substring的原理及区别
• JDK9的String类内部实现变更了！