字符串分割，你会吗？

青旅半醒 2022-06-12 23:26 253阅读 0赞

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？

Java代码   ![收藏代码][icon_star.png]

1.  public static void main(String args\[\]) \{  
2.      String str = "||a|b||c|d|||";  
3.      String strArray\[\] = str.split("\\\\|");  
4.      System.out.println(strArray.length);  
5.      for (int i=0; i<strArray.length; i++) \{  
6.          System.out.println("strArray\["\+i+"\] = " + strArray\[i\]);  
7.      \}  
8.  \}  
9.    
10. public static void main(String args\[\]) \{  
11.     String str = "||a|b||c|d|||";  
12.     StringTokenizer tokenizer = new StringTokenizer(str, "|");  
13.     int len = tokenizer.countTokens();  
14.     System.out.println(len);  
15.     while (tokenizer.hasMoreTokens()) \{  
16.         System.out.println(tokenizer.nextToken());  
17.     \}  
18. \}

正确答案是第一段代码会输出如下：

输出结果代码   ![收藏代码][icon_star.png]

1.  7  
2.  strArray\[0\] =   
3.  strArray\[1\] =   
4.  strArray\[2\] = a  
5.  strArray\[3\] = b  
6.  strArray\[4\] =   
7.  strArray\[5\] = c  
8.  strArray\[6\] = d

第二段代码输出如下：

输出结果代码   ![收藏代码][icon_star.png]

1.  4  
2.  a  
3.  b  
4.  c  
5.  d

下面这段代码呢？

Java代码   ![收藏代码][icon_star.png]

1.  public static void main(String args\[\]) \{  
2.      String str = "|||abcd||eacd|||";  
3.      StringTokenizer tokenizer = new StringTokenizer(str, "|ab");  
4.      int len = tokenizer.countTokens();  
5.      System.out.println(len);  
6.      while (tokenizer.hasMoreTokens()) \{  
7.          System.out.println(tokenizer.nextToken());  
8.      \}  
9.  \}

输出如下：

输出结果代码   ![收藏代码][icon_star.png]

1.  3  
2.  cd  
3.  e  
4.  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：

Java代码   ![收藏代码][icon_star.png]

1.  public String\[\] split(String regex, int limit) \{  
2.          return Pattern.compile(regex).split(this, limit);  
3.  \}

而正则表达式Pattern的split方法是这样实现的：

Java代码   ![收藏代码][icon_star.png]

1.  public String\[\] split(CharSequence input, int limit) \{  
2.      int index = 0;  
3.      boolean matchLimited = limit > 0;  
4.      ArrayList<String> matchList = new ArrayList<String>();  
5.      Matcher m = matcher(input);  
6.    
7.      // Add segments before each match found  
8.      while(m.find()) \{  
9.          if (!matchLimited || matchList.size() < limit - 1) \{  
10.             String match = input.subSequence(index, m.start()).toString();  
11.             matchList.add(match);  
12.             index = m.end();  
13.         \} else if (matchList.size() == limit - 1) \{ // last one  
14.             String match = input.subSequence(index,  
15.                                              input.length()).toString();  
16.             matchList.add(match);  
17.             index = m.end();  
18.         \}  
19.     \}  
20.   
21.     // If no match was found, return this  
22.     if (index == 0)  
23.         return new String\[\] \{input.toString()\};  
24.   
25.     // Add remaining segment  
26.     if (!matchLimited || matchList.size() < limit)  
27.         matchList.add(input.subSequence(index, input.length()).toString());  
28.   
29.     // Construct result  
30.     int resultSize = matchList.size();  
31.     if (limit == 0)  
32.         while (resultSize > 0 && matchList.get(resultSize-1).equals(""))  
33.             resultSize--;  
34.     String\[\] result = new String\[resultSize\];  
35.     return matchList.subList(0, resultSize).toArray(result);  
36. \}

当分割的字符串中含有分隔符时，注意这段代码：

Java代码   ![收藏代码][icon_star.png]

1.  int resultSize = matchList.size();  
2.  if (limit == 0)  
3.      while (resultSize > 0 && matchList.get(resultSize-1).equals(""))  
4.          resultSize--;  
5.  String\[\] result = new String\[resultSize\];  
6.  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”。

[icon_star.png]: /images/20220613/d90e634ac8254df1bdf373d3f175a250.png