金九银十，收下这份 Java String 面试题

请点赞关注，你的支持对我意义重大。

Hi，我是小彭。本文已收录到 GitHub · Android-NoteBook 中。这里有 Android 进阶成长知识体系，有志同道合的朋友，关注公众号 [彭旭锐] 带你建立核心竞争力。

前言

大家好，我是小彭。

过去两年，我们在掘金平台上发布 JetPack 专栏文章，小彭也受到了大家的意见和鼓励。最近，小彭会陆续搬运到公众号上。

在每种编程语言里，字符串都是一个躲不开的话题，也是面试常常出现的问题。在这篇文章里，我将总结 Java 字符串中重要的知识点 & 面试题 ，如果能帮上忙，请务必点赞加关注，这真的对我非常重要。

学习路线图：

1. C 和 Java 中字符串和字符数组的对比

1.1 内存表示不同

在 C 语言中，字符串和字符数组相同。字符串本质上是以 \0 为结束符的字符数组字符数组，因此字符串和字符数组在本质上相同，都是一块连续的内存空间，以需要转义 \0 为结束符。C 语言是不关心 char[] 里存储字符的编码方式的，只有通过程序的上下文确定；
在 Java 中，字符串和字符数组不同。字符串是 String 对象，而字符数组是数组对象，均不需要结束符。如果是数组对象，对象内存区域中有一个字段表示数组的长度，而 String 相当于字符数组的包装类。内部包装了一个基于 UTF-16 BE 编码的字符数组（从 Java 9 开始变为字节数组）。其他字符编码输入的字节流在进入 String 时都会被转换为 UTF-16 BE 编码。

java.lang.String

public final class String {

    private final char value[];

    private int hash;

    ...

}

1.2 char 类型的数据长度

在 C 语言中，char 类型占 1 字节，分为有符号与无符号两种；
在 Java 中，char 类型占 2 字节，只有无符号类型。

语言	类型	存储空间（字节）	最小值	最大值
Java	char	2	0	65535
C	char（相当于signed char）	1	-128	127
C	signed char	1	-128	127
C	unsigned char	1	0	255

2. 为什么 Java 9 String 内部将 char 数组改为 byte 数组？

Java String 的内存表示本质上是基于 UTF-16 BE 编码的字符数组。UTF-16 是 2 个字节或 4 个字节的变长编码，这意味着即使是 UniCode 字符集的拉丁字母，使用 ASCII 编码只需要一个字节，但是在 String 中需要两个字节的存储空间。

为了优化存储空间，从 Java 9 开始，String 内部将 char 数组改为 byte 数组，String 会判断字符串中是否只包含拉丁字母。如果是的话则采用单字节编码（Latin-1），否则使用 UTF-16 编码。

String.java (since Java 9)

private final byte coder;

static final boolean COMPACT_STRINGS;

static {

    COMPACT_STRINGS = true;

}

byte coder() {

    return COMPACT_STRINGS ? coder : UTF16;

}

@Native static final byte LATIN1 = 0;

@Native static final byte UTF16  = 1;

不同编码实现的简单区别如下：

编码格式	编码单元长度	BOM	字节序
UTF-8-无BOM	1 ~ 4 字节	无	大端序
UTF-8	1 ~ 4 字节	EF BB BF	大端序
UTF-16-无BOM	2 / 4 字节	无	大端序
UTF-16BE（默认）	2 / 4 字节	FE FF	大端序
UTF-16LE	2 / 4 字节	FF FE	小端序
UTF-32-无BOM	4 字节	无	大端序
UTF-32BE（默认）	4 字节	00 00 FE FF	大端序
UTF-32LE	4 字节	FF EE 00 00	小端序

关于字符编码的更多内容，见：计算机基础：今天一次把 Unicode 和 UTF-8 说清楚

3. String & StringBuilder & StringBuffer 的区别

3.1 效率

String 是不可变的，每次操作都会创建新的变量，而另外两个是可变的，不需要创建新的变量；另外，StringBuffer 的每个操作方法都使用 synchronized 关键字保证线程安全，增加了更多加锁 & 释放锁的时间。因此，操作效率的简单排序为：StringBuilder > StringBuffer > String。

3.2 线程安全

String 不可变，所以 String 和 StringBuffer 都是线程安全的，而 StringBuilder 是非线程安全的。

类型	操作效率	线程安全
String	低	安全（final）
StringBuffer	中	安全（synchronized）
StringBuilder	高	非安全

4. 为什么 String 设计为不可变类？

4.1 如何让 String 不可变？

《Effective Java》中 可变性最小化原则，阐述了不可变类的规则：

1、不对外提供修改对象状态的任何方法；
2、保证类不会被扩展（声明为 final 类或 private 构造器）；
3、声明所有域为 final；
4、声明所有域为 private；
5、确保对于任何可变性组件的互斥访问。

以上规则 String 均满足。

4.2 为什么 String 要设计为不可变？

1、不可变类 String 可以避免修改后无法定位散列表键值对： 假设 String 是可变类，当我们在 HashMap 中构建起一个以 String 为 Key 的键值对时，此时对 String 进行修改，那么通过修改后的 String 是无法匹配到刚才构建过的键值对的，因为修改后的 hashCode 可能是变化的。而不可变类可以规避这个问题。
2、线程安全： 不可变对象本质是线程安全，不需要同步；

提示： 反射可以破坏 String 的不可变性。

5. String + 的实现原理

String + 操作符是编译器语法糖，编译后会被替换为 StringBuilder#append(...) 语句，例如：

示例程序

// 源码：

String string = null;

for (String str : strings) {

    string += str;

}

return string;

// 编译产物：

String string = null;

for(String str : strings) {

    StringBuilder builder = new StringBuilder();

    builder.append(string);

    builder.append(str);

    string = builder.toString();

}

// 字节码：

 0 aconst_null

 1 astore_1

 2 aload_0

 3 astore_2

 4 aload_2

 5 arraylength

 6 istore_3

 7 iconst_0

 8 istore 4

10 iload 4

12 iload_3

13 if_icmpge 48 (+35)

16 aload_2

17 iload 4

19 aaload

20 astore 5

22 new #7 <java/lang/StringBuilder>

25 dup

26 invokespecial #8 <java/lang/StringBuilder.<init>>

29 aload_1

30 invokevirtual #9 <java/lang/StringBuilder.append>

33 aload 5

35 invokevirtual #9 <java/lang/StringBuilder.append>

38 invokevirtual #10 <java/lang/StringBuilder.toString>

41 astore_1

42 iinc 4 by 1

45 goto 10 (-35)

48 aload_1

49 areturn

可以看到，如果在循环里直接使用字符串 +，会生成非常多中间变量，性能非常差。应该在循环外新建一个 StringBuilder，在循环内统一操作这个对象。

6. String 对象的内存分配

6.1 "abc" 与 new String("abc") 的区别

"abc" => 虚拟机首先检查 运行时常量池 中是否存在 "abc"，如果存在则直接返回，否则在字符串常量池中创建 "abc" 对象并返回。因此，多次声明使用的是同一个对象；
new String("abc") => 在编译过程中，Javac 会将 "abc" 加入到 Class 文件常量池 中。在类加载时期，Class 文件常量池会被加载进运行时常量池。在调用 new 字节码指令时，虚拟机会在堆中新建一个对象，并且引用常量池中的 "abc" 对象。

6.2 String#intern() 的实现原理

如果字符串常量池中已经包含一个等于此 String 对象的字符串，则返回常量池中的这个字符串；否则，先将此 String 对象包含的字符串拷贝到常量池中，在常量池中的这个字符串。

从 JDK 1.7 开始，String#intern() 不再拷贝字符串到常量池中，而是在常量池中生成一个对原 String 对象的引用，并返回。

// 举例：

String s = new String("1");

s.intern();

String s2 = "1";

System.out.println(s == s2);

String s3 = new String("1") + new String("1");

s3.intern();

String s4 = "11";

System.out.println(s3 == s4);

// 输出结果为：

JDK1.6以及以下：false false

JDK1.7以及以上：false true

7. 为什么 String#haseCode() 要使用 31 作为因子？

public int hashCode() {

    int h = hash;

    if (h == 0 && value.length > 0) {

        char val[] = value;

        for (int i = 0; i < value.length; i++) {

            h = 31 * h + val[i];

        }

        hash = h;

    }

    return h;

}

原因 1 - 31 可以被编译器优化 $31 * i = (i << 5) - i$，位运算和减法运算的效率比乘法运算高。
原因 2 - 31 是一个质数： 质数是只能被 1 和自身整除的数，使用质数作为乘法因子获得的散列值，在将来进行取模时，得到相同 index 的概率会降低，即降低了哈希冲突的概率。
原因 3 - 31 是一个不大不小的质数： 质数太小容易造成散列值聚集在一个小区间，提供散列冲突概率；质数过大容易造成散列值超出 int 的取值范围（上溢），丢失部分数值信息，散列冲突概率不稳定。

我是小彭，带你构建 Android 知识体系。技术和职场问题，请关注公众号 [彭旭锐]私信我提问。