String深度学习——split(1)

布满荆棘的人生 2021-12-15 07:53 293阅读 0赞

一、源码解读

做银行项目时经常有对收益、份额、清算等数据文件导入数据库操作，需要用I/O流进行数据处理。在数据处理中有步重要的操作，那就是对文件的数据进行解析。一般的数据文件采用的分割原则，统一使用“|”、“,”或者其他的约束好的分隔符进行分割。

一般通常采用String的方法split进行解析

以下是源码，通过源码发现，String中已多态的形式提供了4个方法，而split(String regex)方法只是简单的再次的调用了 split(String regex , int limit)只是默认了第二个参数limit为0；

public String[] split(String regex) {
            return split(regex, 0);
        }

接着调用 split(String regex,int limit)方法，源码如下：

public String[] split(String regex, int limit) {
            /* fastpath if the regex is a
             (1)one-char String and this character is not one of the
                RegEx's meta characters ".$|()[{^?*+\\", or
             (2)two-char String and the first char is the backslash and
                the second is not the ascii digit or ascii letter.
             译：
               （1）当字符串长度为1位时，判断是否是“.$|()[{^?*+\\”即正则表达式中的元字符
               （2）当字符串长度为2位时，判断第一个字符是不是反斜杠且不是数字或者字母
                满足上面条件，即按照传入的字符串进行分割成数组，反之按照正则表达式的方式分割
             */
            char ch = 0;
            if (((regex.value.length == 1 &&
                 ".$|()[{^?*+\\".indexOf(ch = regex.charAt(0)) == -1) ||
                 (regex.length() == 2 &&
                  regex.charAt(0) == '\\' &&
                  (((ch = regex.charAt(1))-'0')|('9'-ch)) < 0 &&
                  ((ch-'a')|('z'-ch)) < 0 &&
                  ((ch-'A')|('Z'-ch)) < 0)) &&
                (ch < Character.MIN_HIGH_SURROGATE ||
                 ch > Character.MAX_LOW_SURROGATE))
            {
                int off = 0;
                int next = 0;
                boolean limited = limit > 0;
                ArrayList<String> list = new ArrayList<>();
                while ((next = indexOf(ch, off)) != -1) {
                    if (!limited || list.size() < limit - 1) {
                        list.add(substring(off, next));
                        off = next + 1;
                    } else {    // last one
                        //assert (list.size() == limit - 1);
                        list.add(substring(off, value.length));
                        off = value.length;
                        break;
                    }
                }
                // If no match was found, return this
                if (off == 0)
                    return new String[]{this};
    
                // Add remaining segment
                if (!limited || list.size() < limit)
                    list.add(substring(off, value.length));
    
                // Construct result
                int resultSize = list.size();
                if (limit == 0) {
                    while (resultSize > 0 && list.get(resultSize - 1).length() == 0) {
                        resultSize--;
                    }
                }
                String[] result = new String[resultSize];
                return list.subList(0, resultSize).toArray(result);
            }
            return Pattern.compile(regex).split(this, limit);
        }

二、用法注意

上面源码中方法参数limit需要注意

1、limit为0的情况

当我们没有传入limit参数时，自动默认limit等于0。

当limit为0时，如果后几位为空字符串（只要满足长度为0）将自动舍去。

例如：

@Test
        public void testSpilit() {
            String oriStr = "|1|2|3|4|||";
            String[] arr = oriStr.split("\\|");
    
        }

结果：

![20190712161930889.png][]

2、limit为-1的情况

返回已分割的最大长度。

例如：

@Test
        public void testSpilit() {
            String oriStr = "|1|2|3|4|||";
            String[] arr = oriStr.split("\\|",-1);
    
        }

结果如下：

![20190712162213415.png][]

当limit结果为一个大于0的正整数时：

分为两种情况：

（1）当limit的值<实际分割出来的数组长度（即limit为-1时分割出来的数组长度）时，返回limit长度的数组，后几位没有分割的字符串存入数组最后一位

例如：

@Test
        public void testSpilit() {
            String oriStr = "|1|2|3|4|||";
            String[] arr = oriStr.split("\\|",3);

结果如下：

![20190712163051210.png][]

由上面limit为-1时结果可以看到，原实际返回长度为8位。当我们limit传入3时，只返回3位长度的数组，未完成分割的，合并成一个字符串作为数组的最后一位。由上面的源码也可以看到，每进行一次分割时，都会判断当前已分割的长度是否小于limit，若不满足，则直接跳出，最后以这样的方式存入

list.add(substring(off, value.length));

off是当前未分割字符串的第一位，value.length为字符串的长度。

（2）当limit的值>=实际分割出来的数组长度,其返回结果于limit=-1时返回结果相同。

例如：

@Test
        public void testSpilit() {
            String oriStr = "|1|2|3|4|||";
            String[] arr = oriStr.split("\\|",10);
    
        }

结果如下：

![20190712164310313.png][]

[20190712161930889.png]: /images/20211214/44e2c07b2e734d6a83379f722173c8b8.png
[20190712162213415.png]: /images/20211214/4c3bfd3f74a74463832f1b560babccc6.png
[20190712163051210.png]: /images/20211214/1d2abee93bfd4f02a4a8dfedafa1fe55.png
[20190712164310313.png]: /images/20211214/b1c21133f4284e66bcf2de586bb102bc.png