split 陷阱分析 博客分类： Java javajdk java 字符串split有很多坑，使用时请小心！！ Java代码

java 字符串split有很多坑，使用时请小心！！

Java代码

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,apachecommons
4. System.out.println(StringUtils.splitPreserveAllTokens(":ab:cd:ef::",":").length);//不忽略任何一个分隔符apachecommons
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. privatestaticString[]splitWorker(Stringstr,charseparatorChar,booleanpreserveAllTokens)
2. {
3. //Performancetunedfor2.0(JDK1.4)
5. if(str==null){
6. returnnull;
7. }
8. intlen=str.length();
9. if(len==0){
10. returnArrayUtils.EMPTY_STRING_ARRAY;
11. }
12. Listlist=newArrayList();
13. inti=0,start=0;
14. booleanmatch=false;
15. booleanlastMatch=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(newString[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. privatestaticString[]splitWorker(Stringstr,StringseparatorChars,intmax,booleanpreserveAllTokens)
2. {
3. //Performancetunedfor2.0(JDK1.4)
4. //DirectcodeisquickerthanStringTokenizer.
5. //Also,StringTokenizerusesisSpace()notisWhitespace()
7. if(str==null){
8. returnnull;
9. }
10. intlen=str.length();
11. if(len==0){
12. returnArrayUtils.EMPTY_STRING_ARRAY;
13. }
14. Listlist=newArrayList();
15. intsizePlus1=1;
16. inti=0,start=0;
17. booleanmatch=false;
18. booleanlastMatch=false;
19. if(separatorChars==null){
20. //Nullseparatormeansusewhitespace
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. }elseif(separatorChars.length()==1){
40. //Optimise1charactercase
41. charsep=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. //standardcase
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(newString[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""）。

转载 自:http://yinny.iteye.com/blog/1750210