JAVA的String的实现

2019独角兽企业重金招聘Python工程师标准>>>

一。Unicode和UTF-16

要说String必然跑不掉Unicode。简单说Unicode是一种字符集，说白了就是每个字符分配了一个数字与之对应。其范围是U+0000到U+10FFFF。

再来说两个概念叫代码点(Code Point)和代码单元(Code Unit)。

代码点：指的就是Unicode的中每个字符对应的数值，范围在U+0000到U+10FFFF之间。

代码单元：就是用来表示unicode的数值时采用的编码的最小单位，UTF-8就是8位即一个字节，UTF-16就是2个字节，UTF-32就是4个字节。

UTF-8的代码单元是一个字节，要存储Unicode就必须采用一定编码方式即

000000 - 00007F	0zzzzzzz（00-7F）	1个字节
000080 - 0007FF	110yyyyy（C0-DF) 10zzzzzz(80-BF）	2个字节
000800 - 00FFFF	1110xxxx(E0-EF) 10yyyyyy 10zzzzzz	3个字节
010000 - 10FFFF	11110www(F0-F7) 10xxxxxx 10yyyyyy 10zzzzzz	4个字节

UTF-16的代码单元是两个字节，编码方式

000000 - 00FFFF	xxxxxxxx xxxxxxxx yyyyyyyy yyyyyyyy	2个字节
010000 - 10FFFF	110110yyyyyyyyyy 110111xxxxxxxxxx	4个字节

二。String内部的实现。

String中实际数据的存储就是Unicode的UTF-16的编码形式。所以代码单元是2个字节，这也符合char的大小。现在有个很明显的问题就是Unicode的范围是U+0000到U+10FFFF，而一个char没法表示U+10000到U+10FFFF之前的数值，为了解决这个问题就采用了上面介绍的两个char来组合表示这个范围的值。

分拆的规则是10000到10FFFF，按照最大值算一共占了20位，高10位的值加上0xD800后存在一个char中，低10位的值加上0xDC00存在一个char中，这样两个char组合起来表示一个超过10000的unicode编码值。即 U+0000到U+FFFF用一个char表示，这部分叫基本多语言平面(BMP Basic Multilingual Plane)。ps：绕口得绕死了。U+10000到U+10FFFF用两个char表示，这部分叫辅助平面（Supplementary Planes）。

看似上面解释的很好，其实还有一个问题。当遇到一个2个char组成的Unicode编码时，怎么知道何时解析成一个，何时解析成两个单独的Unicode编码。其实就是说如果存在一个char的和两个char在表示的时候如果存在重复前缀的时候该怎么区分出来？例如如果一个char值是 '\uD869',两个char的是'\uD869'和'\uDEA5'，就会出现无法唯一解析的问题，是把'\uD869'和'\uDEA5'当成两个单独的unicode来解析呢？还是当成一个整体的unicode来解析呢？其实这个问题unicode在制定编码的时候就考虑了，解决方案就是Unicode标准规定U+D800到U+DFFF的值不对应于任何字符。这样只要遇到在U+D800和U+DFFF之间的char，就知道下一个char跟这个是一体的，不能分别拆开解析，必须两个char一起解析。

知道上面这些后其实对于String的底层存储就比较容易理解了。String内部是定义了几个主要的基本数据类型。

private final char value[]; //存储unicode值，不过是以UTF-16编码的方式存储。

private final int offset; //对于第一个字符与数组的偏移量。

private final int count; //String中代码点的个数。

private int hash; //缓存Hash值

转载于:https://my.oschina.net/u/944165/blog/220758

JAVA的String的实现相关推荐

Java / Android String.format 的使用
String类的format()方法用于创建格式化的字符串以及连接多个字符串对象. 自己使用的地方1 拼接字符串 2 ,多语言文字顺序不同问题,例如中文:距离到公司还有30分钟, 时间是接口获取的, ...
java.lang.NullPointerException: Attempt to invoke virtual method ‘boolean java.lang.String.equals(j
今天切正式环境出现的空指针记录一下下面是错误 java.lang.NullPointerException: Attempt to invoke virtual method 'boolean j ...
java string改变的影响_为什么Java的string类要设成immutable(不可变的)
最流行的Java面试题之一就是:什么是不可变对象(immutable object),不可变对象有什么好处,在什么情况下应该用,或者更具体一些,Java的String类为什么要设成immutable类 ...
Android java传递string类型数据给C
本文接着实现<Android java传递int类型数据给C>的还未实现的方法: public native String sayHelloInC(String s); 先贴一个工具方法, ...
Java 之String、StringBuffer 和 StringBuilder 三者区别介绍
String:字符串常量,字符串长度不可变,StringBuffer:字符串变量(Synchronized,即线程安全),StringBuilder:字符串变量(非线程安全). String Stri ...
2.Java中String，StringBuilder以及StringBuffer的关系与区别
String StringBuffer StringBuilder String的值是不可变的,这就导致每次对String的操作都会生成新的String对象,不仅效率低下,而且浪费大量 ...
java中String new和直接赋值的区别
Java中String new和直接赋值的区别对于字符串:其对象的引用都是存储在栈中的,如果是编译期已经创建好(直接用双引号定义的)的就存储在常量池中,如果是运行期(new出来的)才 ...
java中String的常用方法
java中String的常用方法 1.length() 字符串的长度例:char chars[]={'a','b'.'c'}; String s=new String(chars); int len ...
java中String,int,Integer,char、double类型转换
java中String,int,Integer,char.double类型转换----https://www.cnblogs.com/kangyu222/p/5866025.html 转载于:http ...
JDK1.8源码(三)——java.lang.String 类
String 类也是java.lang 包下的一个类,算是日常编码中最常用的一个类了,那么本篇博客就来详细的介绍 String 类. 1.String 类的定义 public final class ...

JAVA的String的实现

JAVA的String的实现相关推荐

最新文章

热门文章