java基础类型源码解析之String

差点忘了最常用的String类型，我们对String的大多数方法都已经很熟了，这里就挑几个平时不会直接接触的点来解析一下。

先来看看它的成员变量

public final class String  {
    private final char value[];
    private int hash; // Default to 0
}

• string的内容其实就是一个char数组；
• hash字段缓存了string的哈希值，因为string经常作为hashmap的key，这样能提高性能；

hashCode

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;
}

String的哈希值采用一种延迟计算的策略，计算方法很简单，就是把每个char都当做int，通过公式h=31*h+char的计算最终值。由于String是不可变对象，在生命周期内，hash值只需要计算一次。

subString

public String substring(int beginIndex, int endIndex) {
    return ((beginIndex == 0) && (endIndex == value.length)) ? this
            : new String(value, beginIndex, subLen);
}
public String(char value[], int offset, int count) {
    this.value = Arrays.copyOfRange(value, offset, offset+count);
}

注：上面的代码为了节省空间，省略了异常检查逻辑

subString会创建一个全新的字符串，而不是共享原字符串的char数组。按道理讲，由于String是不可变的，那么subString和原string共享char数组是安全的，可能是出于其他方面的考虑：虽然节省了一点空间，但是需要额外增加一个offset和size成员，整体效率未必更佳。

码点(CodePoint)

简单介绍一下码点和码元的概念，一个码点是某种字符编码方案里面，某个字符对应的绝对编码值。而码元则是指具体的字符存储方案下，最小的存储单元。

对java的String来说，存储的是unicode字符，使用的编码方案是utf-16，码元是char(16bit)； utf-16的大部分码点用一个char足够了，但是有少部分需要两个char。

我们来看一段从码点序列创建String的代码:

public String(int[] codePoints, int offset, int count) {
    final int end = offset + count;

    // Pass 1: Compute precise size of char[]
    int n = count;
    for (int i = offset; i < end; i++) {
        int c = codePoints[i];
        if (Character.isBmpCodePoint(c))
            continue;
        else if (Character.isValidCodePoint(c))
            n++;
        else throw new IllegalArgumentException(Integer.toString(c));
    }

    // Pass 2: Allocate and fill in char[]
    final char[] v = new char[n];

    for (int i = offset, j = 0; i < end; i++, j++) {
        int c = codePoints[i];
        if (Character.isBmpCodePoint(c))
            v[j] = (char)c;
        else
            Character.toSurrogates(c, v, j++);
    }

    this.value = v;
}

• 同样，上面的代码删除了异常处理逻辑；

• 请注意，码点用int来表示

• 第一个循环，计算码点数组codePoints，需要多少长度的char数组：

  • Character.isBmpCodePoint 判断是否一个基本多文种平面码点，这样的码点只需1个char
  • 否则需要两个码点，长度+1

• 第二个循环，把码点值经过转换存入char数组

  • 如果是基本码点，直接放入
  • 如果是非基本码点，需要做一个计算，生成两个char

因此，如果你要把String当做一段实际的文本，并处理当中的单个文字，通过遍历char的方式是不行的，而要使用codePoint相关方法。关于编码相关的知识，不是本文要讲的内容，大家自行查阅资料。