靈魂拷問：Java 的 substring() 是如何工作的？
在逛 programcreek 的時候，我發(fā)現(xiàn)了一些小而精悍的主題。比如說：Java 的 substring() 方法是如何工作的?像這類靈魂拷問的主題，非常值得深入地研究一下。
另外，我想要告訴大家的是，研究的過程非常的有趣，就好像在迷宮里探寶一樣，起初有些不知所措，但經(jīng)過一番用心的摸索后，不但會找到寶藏，還會有一種茅塞頓開的感覺，非常棒。
對于絕大多數(shù)的初級程序員或者說不重視“內(nèi)功”的老鳥來說，往往停留在“知其然不知其所以然”的層面上——會用，但要說底層的原理，可就只能撓撓頭雙手一攤一張問號臉了。
很長一段時間內(nèi)，我也一直處于這種層面上。但我決定改變了，因為“內(nèi)功”就好像是在打地基，只有把地基打好了，才能蓋起經(jīng)得住考驗的高樓大廈。借此機會，我就和大家一起，對“Java 的 substring() 是如何工作的”進行一次深入地研究。注意了，準備打怪升級了!
1、substring() 是干嘛的
sub是 subtract 的縮寫，因此 substring 的字面意思就是“把字符串做個減法”。這樣一分析，是不是感覺方法的命名還是蠻有講究的?
substring() 的完整寫法是 substring(int beginIndex, int endIndex)。該方法返回一個新的字符串，介于原有字符串的起始下標 beginIndex 和結(jié)尾下標 endIndex-1 之間。
- String cmower = "沉默王二，一枚有趣的程序員";
- cmower = cmower.substring(0, 4);
- System.out.println(cmower);
程序輸出的結(jié)果為：
沉默王二
為什么呢?我來簡單解釋一下。
Java 的下標都是從 0 開始編號的(我不確定有沒有從 1 開始的編程語言)，這和我們平常生活中從 1 開始編號的習慣不同。Java 這樣做的原因如下：
Java 是基于 C 語言實現(xiàn)的，而 C 語言的下標是從 0 開始的——這聽起來好像是一句廢話。真正的原因是下標并不是下標，在指針(C)語言中，它實際上是一個偏移量，距離開始位置的一個偏移量。第一個元素在開頭，因此它的偏移量就為 0。
此外，還有另外一種說法。早期的計算機資源比較匱乏，0 作為起始下標相比較于 1 作為起始下標，編譯的效率更高。
知道了這層原因后，再來看上面這段代碼，就會豁然開朗。對于“沉默王二，一枚有趣的程序員”這串字符來說，“沉”的下標為 0，“默”的下標為 1，“王”的下標為 2，“二”的下標為 3，所以 cmower.substring(0, 4) 返回的字符串是“沉默王二”——包括起始下標但不包括結(jié)尾下標。
2、substring() 在被調(diào)用的時候究竟發(fā)生了什么?
在此之前，我們已經(jīng)了解到：字符串是不可變的，因此當調(diào)用 substring() 方法的時候，返回的其實是一個新的字符串。那么變量 cmower 的地址引用就會發(fā)生如下圖所示的變化。
為了證明上圖是完全正確的，我們來看一下 JDK 7 中 substring() 的源碼。
- public String(char value[], int offset, int count) {
- //check boundary
- this.value = Arrays.copyOfRange(value, offset, offset + count);
- }
- public String substring(int beginIndex, int endIndex) {
- //check boundary
- int subLen = endIndex - beginIndex;
- return new String(value, beginIndex, subLen);
- }
可以看得出，substring() 通過 new String() 返回了一個新的字符串對象，在創(chuàng)建新的對象時通過 Arrays.copyOfRange() 復(fù)制了一個新的字符數(shù)組。
但 JDK 6 就有所不同。說到 JDK 6，可能有些讀者表示不服，JDK 6?什么年代了，JDK 13 都出來了好不好?但我想告訴大家的是，對比著剖析 JDK 的源碼，對學習大有裨益。
不是有那么一句話嘛，要想了解一個成功人士，不能只關(guān)注他發(fā)跡以后的事，更要關(guān)注他之前做了什么。
就請隨我來，看看 JDK 6 中的 substring() 的源碼吧。
- //JDK 6
- String(int offset, int count, char value[]) {
- this.value = value;
- this.offset = offset;
- this.count = count;
- }
- public String substring(int beginIndex, int endIndex) {
- //check boundary
- return new String(offset + beginIndex, endIndex - beginIndex, value);
- }
substring() 方法本身和 JDK 7 并沒有很大的差別，都通過 new String() 返回了一個新的字符串對象。但是 String() 這個構(gòu)造函數(shù)有很大的差別，JDK 6 只是簡單地更改了一下兩個屬性(offset 和 count)的值，value 并沒有變。
PS：value 是真正存儲字符的數(shù)組，offset 是數(shù)組中第一個元素的下標，count 是數(shù)組中字符的個數(shù)。
這意味著什么呢?
調(diào)用 substring() 的時候雖然創(chuàng)建了新的字符串，但字符串的值仍然指向的是內(nèi)存中的同一個數(shù)組，如下圖所示。
3、為什么 JDK 7 的構(gòu)造函數(shù)發(fā)生了變化
看了 JDK 6 和 JDK 7 源碼之后，大家可能產(chǎn)生這樣一個疑惑：為什么 JDK 7 要做出改變呢?大家共用同一個字符串數(shù)組不是挺好的嘛，省得占用新的內(nèi)存空間。事實上呢?
如果有一個很長很長的字符串，可以繞地球一周，當我們需要調(diào)用 substring() 截取其中很小一段字符串時，就有可能導(dǎo)致性能問題。由于這一小段字符串引用了整個很長很長的字符數(shù)組，就導(dǎo)致很長很長的這個字符數(shù)組無法被回收，內(nèi)存一直被占用著，就有可能引發(fā)內(nèi)存泄露。
PS：內(nèi)存泄露是指由于疏忽或錯誤造成程序未能釋放已經(jīng)不再使用的內(nèi)存。
那 JDK 7 出現(xiàn)之前，這個隱患怎么應(yīng)對呢?答案如下。
- cmower = cmower.substring(0, 4) + "";
為什么，為什么，為什么，多一個 “+ ""” 就能解決內(nèi)存泄漏的問題?有些讀者可能不太相信，我來帶大家分析一下。
首先呢，我們通過 JAD 對字節(jié)碼反編譯一下，上面這行代碼就變成了如下內(nèi)容。
- cmower = (new StringBuilder(String.valueOf(cmower.substring(0, 4)))).toString();
“+”號操作符就相當于一個語法糖，加上空的字符串后，會被 JDK 轉(zhuǎn)化為 StringBuilder 對象，該對象在處理字符串的時候會生成新的字符數(shù)組，所以 cmower = cmower.substring(0, 4) + ""; 這行代碼執(zhí)行后，cmower 就指向了和 substring() 調(diào)用之前不同的字符數(shù)組。
PS：如果不明白“+”號操作符的工作原理，請查閱我之前寫的文章《羞，Java 字符串拼接竟然有這么多姿勢》，這里就不再贅述，免得被老讀者捶。
4、最后
總結(jié)一下，JDK 7 和 JDK 6 的 substring() 方法本身并沒有多大的改變，但 String 類的構(gòu)造函數(shù)有了很大的區(qū)別，JDK 7 會重新復(fù)制一份字符數(shù)組，而 JDK 6 不會，因此 JDK 6 在執(zhí)行比較長的字符串 substring() 時可能會引發(fā)內(nèi)存泄露的問題。
