Java之String重点解析

String s = new String("abc")这段代码创建了几个对象呢？s=="abc"这个判断的结果是什么？s.substring(0,2).intern()=="ab"这个的结果是什么呢？

s.charAt(index) 真的能表示出所有对应的字符吗？

"abc"+"gbn"+s直接的字符串拼接是否真的比使用StringBuilder的性能低？

前言

很高兴遇见你~

Java中的String对象特性，与c/c++语言是很不同的，重点在于其不可变性。那么为了服务字符串不可变性的设计，则衍生出非常多的相关问题：为什么要保持其不可变？底层如何存储字符串？如何进行字符串操作才拥有更好的性能？等等。此外，字符编码的相关知识也是非常重要；毕竟，现在使用emoij是再正常不过的事情了。

文章的内容围绕着不可变 这个重点展开：

分析String对象的不可变性；
常量池的存储原理以及intern方法的原理
字符串拼接的原理以及优化
代码单元与代码点的区别
总结

那么，我们开始吧~

不可变性

理解String的不可变性，我们可以简单看几行代码：

String string = "abcd";
String string1 = string.replace("a","b");
System.out.println(string);
System.out.println(string1);

输出：
abcd
bbcd

string.replace("a","b")这个方法把"abcd"中的a换成了b。通过输出可以发现，原字符串string并没有发生任何改变，replace方法构造了一个新的字符串"bbcd"并赋值给了string1变量。这就是String的不可变性。

再举个栗子：把"abcd"的最后一个字符d改成a，在c/c++语言中，直接修改最后一个字符即可；而在java中，需要重新创建一个String对象：abca，因为"abcd"本身是不可变的，不能被修改。

String对象值是不可变的，一切操作都不会改变String的值，而是通过构造新的字符串来实现字符串操作。

很多时候很难理解，为什么Java要如此设计，这样不是会导致性能的下降吗？回顾一下我们日常使用String的场景，更多的时候并没有直接去修改一个string，而是使用一次，则被抛弃。但下次，很可能，又再一次使用到相同的String对象。例如日志打印：

Log.d("MainActivity",string);

前面的"MainActivity"我们并不需要去更改他，但是却会频繁使用到这个字符串。Java把String设计为不可变，正是为了保持数据的一致性，使得相同字面量的String引用同个对象。例如：

String s1 = "hello";
String s2 = "hello";

s1与s2引用的是同个String对象。如果String可变，那么就无法实现这个设计了。因此，我们可以重复利用我们创建过的String对象，而无需重新创建他。

基于重复使用String的情况比更改String的场景更多的前提下，Java把String设计为不可变，保持数据一致性，使得同个字面量的字符串可以引用同个String对象，重复利用已存在的String对象。

在《Java编程思想》一书中还提到另一个观点。我们先看下面的代码：

public String allCase(String s){
    return string.toUpperCase();
}

allCase方法把传入的String对象全部变成大写并返回修改后的字符串。而此时，调用者的期望是传入的String对象仅仅作为提供信息的作用，而不希望被修改，那么String不可变的特性则非常符合这一点。

使用String对象作为参数时，我们希望不要改变String对象本身，而String的不可变性符合了这一点。

存储原理

由于String对象的不可变特性，在存储上也与普通的对象不一样。我们都知道对象创建在堆上，而String对象其实也一样，不一样的是，同时也存储在 常量池 中。处于堆区中的String对象，在GC时有极大可能被回收；而常量池中的String对象则不会轻易被回收，那么则可以重复利用常量池中的String对象。也就是说， 常量池是String对象得以重复利用的根本原因 。

常量池不轻易垃圾回收的特性，使得常量池中的String对象可以一直存在，重复被利用。

往常量池中创建String对象的方式有两种： 显式使用双引号构造字符串对象、使用String对象的intern()方法 。这两个方法不一定会在常量池中创建对象，如果常量池中已存在相同的对象，则会直接返回该对象的引用，重复利用String对象。其他创建String对象的方法都是在堆区中创建String对象。举个栗子吧。

当我们通过new String()的方法或者调用String对象的实例方法，如string.substring()方法，会在堆区中创建一个String对象。而当我们使用双引号创建一个字符串对象，如String s = "abc"，或调用String对象的intern()方法时，会在常量池中创建一个对象，如下图所示：

还记得我们文章开头的问题吗？

String s = new String("abc"),这句代码创建了几个对象？"abc"在常量池中构造了一个对象，new String()方法在堆区中又创建了一个对象，所以一共是两个。
s=="abc"的结果是false。两个不同的对象，一个位于堆中，一个位于常量池中。
s.substring(0,2).intern()=="ab" intern方法在常量池中构建了一个值为“ab”的String对象，”ab”语句不会再去构建一个新的String对象，而是返回已经存在的String对象。所以结果是true。

只有显式使用双引号构造字符串对象、使用String对象的intern()方法 这两种方法会在常量池中创建String对象，其他方法都是在堆区创建对象。每次在常量池创建String对象前都会检查是否存在相同的String对象，如果是则会直接返回该对象的引用，而不会重新创建一个对象。

关于intern方法还有一个问题需要讲一下，在不同jdk版本所执行的具体逻辑是不同的。在jdk6以前，方法区是存放在永生代内存区域中，与堆区是分割开的，那么当往常量池中创建对象时，就需要进行深拷贝，也就是把一个对象完整地复制一遍并创建新的对象，如下图：

永生代有一个很严重的缺点：容易发生OOM 。永生代是有内存上限的，且很小，当程序大量调用intern方法时很容易就发生OOM。在JDK7时将常量池迁移出了永生代，改在堆区中实现，jdk8以后使用了本地空间实现。jdk7以后常量池的实现使得在常量池中创建对象可以进行浅拷贝，也就是不需要把整个对象复制过去，而只需要复制对象的引用即可，避免重复创建对象，如下图：

观察这个代码：

String s = new String(new char[]{'a'});
s.intern();
System.out.println(s=="a");

在jdk6以前创建的是两个不同的对象，输出为false；而jdk7以后常量池中并不会创建新的对象，引用的是同个对象，所以输出是true。

jdk6之前使用intern创建对象使用的深拷贝，而在jdk7之后使用的是浅拷贝，得以重复利用堆区中的String对象。

通过上面的分析，String真正重复利用字符串是在使用双引号直接创建字符串时。使用intern方法虽然可以返回常量池中的字符串引用，但是本身已经需要堆区中的一个String对象。因而我们可以得出结论：

尽量使用双引号显式构建字符串；如果一个字符串需要频繁被重复利用，可以调用intern方法将他存放到常量池中。

字符串拼接

字符串操作最多的莫过于字符串拼接了，由于String对象的不可变性，如果每次拼接都需要创建新的字符串对象就太影响性能了。因此，官方推出了两个类： StringBuffer、StringBuilder 。这两个类可以在不创建新的String对象的前提下拼装字符串、修改字符串。如下代码：

StringBuilder stringBuilder = new StringBuilder("abc");
stringBuilder.append("p")
        .append(new char[]{'q'})
        .deleteCharAt(2)
        .insert(2,"abc");
String s = stringBuilder.toString();

拼接、插入、删除都可以很快速地完成。因此，使用StringBuilder进行修改、拼接等操作来初始化字符串是更加高效率的做法。StringBuffer和StringBuilder的接口一致，但StringBuffer对操作方法都加上了synchronize关键字，保证线程安全的同时，也付出了对应的性能代价。单线程环境下更加建议使用StringBuilder。

拼接、修改等操作来初始化字符串时使用StringBuilder和StringBuffer可以提高性能；单线程环境下使用StringBuilder更加合适。

一般情况下，我们会使用+来连接字符串。+在java经过了运算符重载，可以用来拼接字符串。编译器也对+进行了一系列的优化。观察下面的代码：

String s1 = "ab"+"cd"+"fg";
String s2 = "hello"+s1;

Object object = new Object();
String s3 = s2 + object;

对于s1字符串而言，编译器会把"ab"+"cd"+"fg"直接优化成"abcdefg" ，与String s1 = "abcdefg"; 是等价的。这种优化也就减少了拼接时产生的消耗。甚至比使用StringBuilder更加高效。
s2的拼接编译器会自动创建一个StringBuilder来构建字符串。也就相当于以下代码：
```
StringBuilder sb = new StringBuilder();
sb.append("hello");
sb.append(s1);
String s2 = sb.toString();
```
那么这是不是意味着我们可以不需要显式使用StringBuilder了，反正编译器都会帮助我们优化？当然不是，观察下边的代码：
```
String s = "a";
for(int i=0;i<=100;i++){
    s+=i;
}
```
这里有100次循环，则会创建100个StringBuilder对象，这显然是一个非常错误的做法。这时候就需要我们来显示创建StringBuilder对象了：
```
StringBuilder sb = new StringBuilder("a");
for(int i=0;i<=100;i++){
    sb.append(i);
}
String s = sb.toString();
```
只需要构建一个StringBuilder对象，性能就极大地提高了。
String s3 = s2 + object; 字符串拼接也是支持直接拼接一个普通的对象，这个时候会调用该对象的toString方法返回一个字符串来进行拼接。toString方法是Object类的方法，若子类没有重写，则会调用Object类的toString方法，该方法默认输出类名+引用地址。这看起来没有什么问题，但是有一个大坑：切记不要在toString方法中直接使用+拼接自身 。如下代码
```
@Override
public String toString() {
    return this+"abc";
}
```
这里直接拼接this会调用this的toString方法，从而造成了无限递归。

Java对+拼接字符串进行了优化：

可以直接拼接普通对象

字面量直接拼接会合成一个字面量

普通拼接会使用StringBuilder来进行优化

但同时也有注意这些优化是有限度的，我们需要在合适的场景选择合适的拼接方式来提高性能。

编码问题

在Java中，一般情况下，一个char对象可以存储一个字符，一个char的大小是16位。但随着计算机的发展，字符集也在不断地发展，16位的存储大小已经不够用了，因此拓展了使用两个char，也就是32位来存储一些特殊的字符，如emoij。一个16位称为一个 代码单元 ，一个字符称为 代码点 ，一个代码点可能占用一个代码单元，也可能是两个。

在一个字符串中，当我们调用String.length() 方法时，返回的是代码单元的数目， String.charAt() 返回也是对应下标的代码单元。这在正常情况下并没有什么问题。而如果允许输入特殊字符时，这就有大问题了。要获得真正的代码点数目，可以调用 String .codePointCount 方法；要获得对应的代码点，可调用 String.codePointAt 方法。以此来兼容拓展的字符集。