Java中String.split的坑

在看阿里的Java规范的时候看到了这一个东西，

于是乎找了一些这个相关的一些情况，因为以前没碰到过，看到了一篇不错的文章，所以转载过来了。文章地址：http://yinny.iteye.com/blog/1750210

System.out.println(":ab:cd:ef::".split(":").length);//末尾分隔符全部忽略      System.out.println(":ab:cd:ef::".split(":",-1).length);//不忽略任何一个分隔符      System.out.println(StringUtils.split(":ab:cd:ef::",":").length);//最前面的和末尾的分隔符全部都忽略,apache commons      System.out.println(StringUtils.splitPreserveAllTokens(":ab:cd:ef::",":").length);//不忽略任何一个分隔符 apache commons     输出：    4    6    3    6  

看了下jdk里String类的public String[] split(String regex,int limit)方法，感觉平时不太会用这方法，以为在用正则表达式来拆分时候，如果匹配到的字符是最后一个字符时，会拆分出两个空字符串，例如"o"split("o",5) or "o"split("o",-2)时候 结果是"" "" 也就是下图中红框里的内容，所以平时一般都用split(String regex) 方法，其实也就等同于split(String regex，0)方法，把结尾的空字符串丢弃！

String的split方法用到的参数是一个正则式，虽然强大，但是有时候容易出错。而且string并没有提供简化版本。org.apache.commons.lang.StringUtils提供的split改变了这一状况，开始使用完整的字符串作为参数，而不是regex。同时，对类似功能的jdk版本的StringTokenizer，在内部方法splitWorker中有段注释：Direct code is quicker than StringTokenizer.也就是说，这个是更快的一个工具了~~ 

StringUtils里的split和splitPreserveAllTokens 底层都是调用splitWorker方法实现的 
下面分别来理解下两个私有的splitWorker方法：

private static String[] splitWorker(String str, char separatorChar, boolean preserveAllTokens)  {          // Performance tuned for 2.0 (JDK1.4)            if (str == null) {              return null;          }          int len = str.length();          if (len == 0) {              return ArrayUtils.EMPTY_STRING_ARRAY;          }          List list = new ArrayList();          int i = 0, start = 0;          boolean match = false;          boolean lastMatch = false;          while (i < len) {              if (str.charAt(i) == separatorChar) {                  if (match || preserveAllTokens) {                      list.add(str.substring(start, i));                      match = false;                      lastMatch = true;                  }                  start = ++i;                  continue;              }              lastMatch = false;              match = true;              i++;          }          if (match || (preserveAllTokens && lastMatch)) {              list.add(str.substring(start, i));          }          return (String[]) list.toArray(new String[list.size()]);      }

是一个核心方法，用于拆分字符串，其中字符c表示分隔符，另外布尔变量b表示c在首尾的不同处理方式。为真，则在首位留一个""的字符串。但是在中间是没有作用的。该方法执行如下操作： 
  如果字符串为null，则返回null。 
  如果字符串为""，则返回""。 
  用i作为指针遍历字符串，match和lastMatch分别表示遇到和最后遇到可分割的内容。 
    如果字符串中第一个就遇到c，则看b的值，如果为真，则会在结果数组中存入一个""。如果没遇到，match置真，lastMatch置假，表示有要分割的内容。 
    一旦遇到c，则在结果数组中输出字符串在i之前的子字符串，并把起始点调整到i之后。且match置假，lastMatch置真。 
  遍历结束，如果match为真（到最后也没有遇到c），或者lastMatch和b同为真（最后一个字符是c），则输出最后的部分（如果是后者，则会输出一个""）。

private static String[] splitWorker(final String str, final String separatorChars, final int max, final boolean preserveAllTokens) {        // Performance tuned for 2.0 (JDK1.4)        // Direct code is quicker than StringTokenizer.        // Also, StringTokenizer uses isSpace() not isWhitespace()        if (str == null) {            return null;        }        final int len = str.length();        if (len == 0) {            return ArrayUtils.EMPTY_STRING_ARRAY;        }        final List<String> list = new ArrayList<String>();        int sizePlus1 = 1;        int i = 0, start = 0;        boolean match = false;        boolean lastMatch = false;        if (separatorChars == null) {            // Null separator means use whitespace            while (i < len) {                if (Character.isWhitespace(str.charAt(i))) {                    if (match || preserveAllTokens) {                        lastMatch = true;                        if (sizePlus1++ == max) {                            i = len;                            lastMatch = false;                        }                        list.add(str.substring(start, i));                        match = false;                    }                    start = ++i;                    continue;                }                lastMatch = false;                match = true;                i++;            }        } else if (separatorChars.length() == 1) {            // Optimise 1 character case            final char sep = separatorChars.charAt(0);            while (i < len) {                if (str.charAt(i) == sep) {                    if (match || preserveAllTokens) {                        lastMatch = true;                        if (sizePlus1++ == max) {                            i = len;                            lastMatch = false;                        }                        list.add(str.substring(start, i));                        match = false;                    }                    start = ++i;                    continue;                }                lastMatch = false;                match = true;                i++;            }        } else {            // standard case            while (i < len) {                if (separatorChars.indexOf(str.charAt(i)) >= 0) {                    if (match || preserveAllTokens) {                        lastMatch = true;                        if (sizePlus1++ == max) {                            i = len;                            lastMatch = false;                        }                        list.add(str.substring(start, i));                        match = false;                    }                    start = ++i;                    continue;                }                lastMatch = false;                match = true;                i++;            }        }        if (match || preserveAllTokens && lastMatch) {            list.add(str.substring(start, i));        }        return list.toArray(new String[list.size()]);    }

也是一个核心方法，用于拆分字符串，其与上一个方法的不同之处在于其分隔符用字符串表示一组字符，且增加一个max变量，表示输出的字符串数组的最大长度。另外注意该方法的b如果为真，会在首尾及中间起作用，且如果分隔符字符串长度大于1，则数组中的""会更多（根据分隔符字符的数量）。该方法执行如下操作： 
  如果字符串为null，则返回null。 
  如果字符串为""，则返回""。 
  之后的处理分三种情况，分别是分隔符字符串为null，则默认为" "；分割符字符串长度为1；分割符字符串为普通字符串。这三种处理的不同只是在当前遍历中的字符的判断问题。 
    1.利用Character.isWhitespace方法判断每个字符是否为" "。 
    2.先把字符串转化为一个char，然后就和前一个splitWorker方法类似。 
    3.利用indexOf方法查找当前字符是否在分隔符字符串中，然后就和前一个splitWorker方法类似。 
    需要注意的是，如果输出的数组的数量已经等于max的值，则把指针直接挪到最后，等待下次遍历的时候直接跳出。同时由于lastMatch和match都置为假，最后也不会输出""了。 
   遍历结束，如果match为真（到最后也没有遇到c），或者lastMatch和b同为真（最后一个字符在分隔符字符串中），则输出最后的部分（如果是后者，则会输出一个""）。
（以上内容为复制内容，如有错误，请到链接原文查看）