Java字符串的那些事儿。。。。

计划围绕以下几个方面

1.内存

2.正则表达式

3.String.format

4.编码

1.内存

　　先来看个经典的例子

public class Blog {
    public static void main(String[] args) {
        String s0 = "123";
        String s1 = "123";
        String s2 = new String("123");
        String s3 = new String("123");

        System.out.println(s0 == s1);// true
        System.out.println(s2 == s3);// false
        System.out.println(s1 == s2);// false
    }
}

　　String是字符串常量，java.lang.String被设计为final类，不允许被继承和修改。 例子中的s0和s1都相当于常量，直接放在内存的stack中。而s2和s3作为引用类型被new出来，都是放在heap中。而java的 == 是直接判断栈中的值，所以s0和s1相等，而当用s1和s2比较时，实际是用s1在stack中的“123”和s2在stack中引用的内存地址相比较，所以不相等。

　　String不是基本数据类型，如果需要使用字符串变量时应该使用StringBuffer或者StringBuilder，前者线程安全。

————————————————————————————————————————————————————————

2.正则

首先介绍几个java.lang.String中的常用使用正则的方法：

String.matches

String.replaceAll

String.replaceFirst

String.split

下面是例子代码

public class Blog {
    public static void main(String[] args) {
        String s0 = "ccc123aaa456bbb";
        System.out.println(s0.matches(".*\\d+.*"));
        System.out.println(new String(s0).replaceAll("\\d", "-"));
        System.out.println(new String(s0).replaceFirst("\\d", "-"));

        String[] split = s0.split("\\d+");
        for (String string : split) {
            System.out.println(string);
        }
    }
}

matches用来判断一个字符串是否符合某些规则，比如常见的邮箱合法检测都可以用正则来实现。

split是分割，把字符串按其中匹配正则的子串切割成几段返回字符串数组。

replaceAll和replaceFirst是将string中的符合此正则的串替换成想要替换的字符串。

这个在开发中也可以用，如果使用Eclipse想把一个很长的串比如“aaa”,“aaa”,“aaa”,“aaa”,“aaa”,“aaa”,想分成多行排列，可以使用ctrl+F中的Regular expression

然后replaceAll即可。

而java提供的正则工具类是

java.util.regex.Pattern和java.util.regex.Matcher

 

例子

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Blog {
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("\\d");
        Matcher matcher = pattern.matcher("1");
        boolean result = matcher.find();
        System.out.println(result);
    }
}

关于正则的规则，可以在java doc的java.util.regex.Pattern中找到详细介绍。要注意java的正则和其他js等语言的正则不一定完全通用，因为各个语言正则使用的标准不一定一样。

简单贴几条

[\!"#\$%&'\(\)\*\+,\-\./:;\\?@\[\\\]\^_`\{\|\}~]
[\X21-\X2F\X31-\X40\X5B-\X60\X7B-\X7E] -->

字符
x	字符 x
\\	反斜线字符
\0n	带有八进制值 0 的字符 n (0 <= n <= 7)
\0nn	带有八进制值 0 的字符 nn (0 <= n <= 7)
\0mnn	带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh	带有十六进制值 0x 的字符 hh
\uhhhh	带有十六进制值 0x 的字符 hhhh
\t	制表符 ('\u0009')
\n	新行（换行）符 ('\u000A')
\r	回车符 ('\u000D')
\f	换页符 ('\u000C')
\a	报警 (bell) 符 ('\u0007')
\e	转义符 ('\u001B')
\cx	对应于 x 的控制符
字符类
[abc]	a、b 或 c（简单类）
[^abc]	任何字符，除了 a、b 或 c（否定）
[a-zA-Z]	a 到 z 或 A 到 Z，两头的字母包括在内（范围）
[a-d[m-p]]	a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z&&[def]]	d、e 或 f（交集）
[a-z&&[^bc]]	a 到 z，除了 b 和 c：[ad-z]（减去）
[a-z&&[^m-p]]	a 到 z，而非 m 到 p：[a-lq-z]（减去）
预定义字符类
.	任何字符（与行结束符可能匹配也可能不匹配）
\d	数字：[0-9]
\D	非数字： [^0-9]
\s	空白字符：[ \t\n\x0B\f\r]
\S	非空白字符：[^\s]
\w	单词字符：[a-zA-Z_0-9]
\W	非单词字符：[^\w]
POSIX 字符类（仅 US-ASCII）
\p{Lower}	小写字母字符：[a-z]
\p{Upper}	大写字母字符：[A-Z]
\p{ASCII}	所有 ASCII：[\x00-\x7F]
\p{Alpha}	字母字符：[\p{Lower}\p{Upper}]
\p{Digit}	十进制数字：[0-9]
\p{Alnum}	字母数字字符：[\p{Alpha}\p{Digit}]
\p{Punct}	标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
\p{Graph}	可见字符：[\p{Alnum}\p{Punct}]
\p{Print}	可打印字符：[\p{Graph}\x20]
\p{Blank}	空格或制表符：[ \t]
\p{Cntrl}	控制字符：[\x00-\x1F\x7F]
\p{XDigit}	十六进制数字：[0-9a-fA-F]
\p{Space}	空白字符：[ \t\n\x0B\f\r]
java.lang.Character 类（简单的 java 字符类型）
\p{javaLowerCase}	等效于 java.lang.Character.isLowerCase()
\p{javaUpperCase}	等效于 java.lang.Character.isUpperCase()
\p{javaWhitespace}	等效于 java.lang.Character.isWhitespace()
\p{javaMirrored}	等效于 java.lang.Character.isMirrored()
Unicode 块和类别的类
\p{InGreek}	Greek 块（简单块）中的字符
\p{Lu}	大写字母（简单类别）
\p{Sc}	货币符号
\P{InGreek}	所有字符，Greek 块中的除外（否定）
[\p{L}&&[^\p{Lu}]]	所有字母，大写字母除外（减去）
边界匹配器
^	行的开头
$	行的结尾
\b	单词边界
\B	非单词边界
\A	输入的开头
\G	上一个匹配的结尾
\Z	输入的结尾，仅用于最后的结束符（如果有的话）
\z	输入的结尾
Greedy 数量词
X?	X，一次或一次也没有
X*	X，零次或多次
X+	X，一次或多次
X{n}	X，恰好 n 次
X{n,}	X，至少 n 次
X{n,m}	X，至少 n 次，但是不超过 m 次
Reluctant 数量词
X??	X，一次或一次也没有
X*?	X，零次或多次
X+?	X，一次或多次
X{n}?	X，恰好 n 次
X{n,}?	X，至少 n 次
X{n,m}?	X，至少 n 次，但是不超过 m 次
Possessive 数量词
X?+	X，一次或一次也没有
X*+	X，零次或多次
X++	X，一次或多次
X{n}+	X，恰好 n 次
X{n,}+	X，至少 n 次
X{n,m}+	X，至少 n 次，但是不超过 m 次
Logical 运算符
XY	X 后跟 Y
X|Y	X 或 Y
(X)	X，作为捕获组
Back 引用
\n	任何匹配的 nth 捕获组
引用
\	Nothing，但是引用以下字符
\Q	Nothing，但是引用所有字符，直到 \E
\E	Nothing，但是结束从 \Q 开始的引用
特殊构造（非捕获）
(?:X)	X，作为非捕获组
(?idmsux-idmsux)	Nothing，但是将匹配标志i d m s u x on - off
(?idmsux-idmsux:X)	X，作为带有给定标志 i d m s u x on - off
(?=X)	X，通过零宽度的正 lookahead
(?!X)	X，通过零宽度的负 lookahead
(?<=X)	X，通过零宽度的正 lookbehind
(?<!X)	X，通过零宽度的负 lookbehind
(?>X)	X，作为独立的非捕获组

要注意有些正则需要转义。而如果正则要转义java又要转义，那很可能会出现\\\\的情况比如

public class Blog {
    public static void main(String[] args) {
        System.out.println("\\".matches("\\\\"));    // true
        System.out.println("\\".matches("\\"));      // err
    }
}

3.string.format()

String.format相关资料可以参考这里http://developer.51cto.com/art/201203/322815.htm

就不赘述了。比较常用的功能就是把数据整理成各种格式，比如2013.12.12转成2013-12-12，或者把一个0到100的数字整理成001,014，068这种，很方便。

4.编码。

　　比如一个String "不要啊"。

　　内存中是不会存放中文的，计算机只认识0和1。

　　可以看一下下面的例子。

　　

import java.io.UnsupportedEncodingException;

public class TestChar {
    public static void main(String[] args) {
        String s = new String("不要啊");
        byte[] bytes;
        try {
            bytes = s.getBytes("GBK");
            for (byte b : bytes) {
                System.out.print(b + " ");
            }
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
    }
}

打印结果是6个byte。

而当把GBK换成utf-8的时候，打印结果就是9个byte。因为utf-8中一个中文占3个字节。

转换编码可以这样

public class TestChar {
    public static void main(String[] args) {
        String s0 = new String("不要啊");
        String s1;
        try {
            s1 = new String(s0.getBytes(), "GBK");
            System.out.println(s1);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
    }
}

当然这样转换会有乱码的可能。

转码也可以用java.net.URLEncoder.encode(String s, String enc)

好了就写这些吧，不对不足之处还望指出。