字符串分割，你会吗？
对于字符串的分割主要有两种方式，使用String的split方法和使用StringTokenizer。现在假设我们有一个字符串“||a|b||c|d|||”，然后我们需要使用“|”来对它进行分割。那么如下两段代码你觉得输出结果会是什么呢？
public static void main(String args[]) {
String str = "||a|b||c|d|||";
String strArray[] = str.split("\\|");
System.out.println(strArray.length);
for (int i=0; i<strArray.length; i++) {
System.out.println("strArray["+i+"] = " + strArray[i]);
}
}
public static void main(String args[]) {
String str = "||a|b||c|d|||";
StringTokenizer tokenizer = new StringTokenizer(str, "|");
int len = tokenizer.countTokens();
System.out.println(len);
while (tokenizer.hasMoreTokens()) {
System.out.println(tokenizer.nextToken());
}
}
正确答案是第一段代码会输出如下：
7 strArray[0] = strArray[1] = strArray[2] = a strArray[3] = b strArray[4] = strArray[5] = c strArray[6] = d
第二段代码输出如下：
4 a b c d
下面这段代码呢？
public static void main(String args[]) {
String str = "|||abcd||eacd|||";
StringTokenizer tokenizer = new StringTokenizer(str, "|ab");
int len = tokenizer.countTokens();
System.out.println(len);
while (tokenizer.hasMoreTokens()) {
System.out.println(tokenizer.nextToken());
}
}
输出如下：
3 cd e cd
你答对了吗？接下来我们来解释一下为什么是上面的输出结果。
String的split方法分割
String的split方法接收的参数是一个正则表达式，其底层调用的是正则表达式的split方法。String的split方法源码是这样的：
public String[] split(String regex, int limit) {
return Pattern.compile(regex).split(this, limit);
}
而正则表达式Pattern的split方法是这样实现的：
public String[] split(CharSequence input, int limit) {
int index = 0;
boolean matchLimited = limit > 0;
ArrayList<String> matchList = new ArrayList<String>();
Matcher m = matcher(input);
// Add segments before each match found
while(m.find()) {
if (!matchLimited || matchList.size() < limit - 1) {
String match = input.subSequence(index, m.start()).toString();
matchList.add(match);
index = m.end();
} else if (matchList.size() == limit - 1) { // last one
String match = input.subSequence(index,
input.length()).toString();
matchList.add(match);
index = m.end();
}
}
// If no match was found, return this
if (index == 0)
return new String[] {input.toString()};
// Add remaining segment
if (!matchLimited || matchList.size() < limit)
matchList.add(input.subSequence(index, input.length()).toString());
// Construct result
int resultSize = matchList.size();
if (limit == 0)
while (resultSize > 0 && matchList.get(resultSize-1).equals(""))
resultSize--;
String[] result = new String[resultSize];
return matchList.subList(0, resultSize).toArray(result);
}
当分割的字符串中含有分隔符时，注意这段代码：
int resultSize = matchList.size();
if (limit == 0)
while (resultSize > 0 && matchList.get(resultSize-1).equals(""))
resultSize--;
String[] result = new String[resultSize];
return matchList.subList(0, resultSize).toArray(result);
在没有限制分割数量的情况下，Pattern会把最末端为空串的元素都丢弃。所以当我们使用split方法以“|”为分隔符分割字符串“||a|b||c|d|||”时将会把最后三个空元素丢弃，也就出现了上面的结果。
StringTokenizer分割
StringTokenizer会把传递的分隔符拆分成一个个的字符，也就是char，然后会把每一个char都当成是一个分隔符。在进行字符串分割时会判断字符串的每一个字符是否在分隔符中，如果在则跳过这个字符，直到遇见不是分隔符的字符，然后把连续不是分隔符的字符组成一个串，如此往复。所以当我们使用“|”分割字符串"||a|b||c|d|||"时，StringTokenizer遇见分隔符“|”就跳过了，就会出现上述的结果。StringTokenizer的源码太多了我这里就不贴了，有兴趣的朋友可以自己去看。同样的道理，当我们使用“ab|”分割字符串“|||abcd||eacdf|||”时会把它分割成3个字符串，分别是“cd”、“e”、“cdf”。