深入研究Java String

摘要：所以我决定先从类入手，深入的研究一番来开个好头。之所以会有以上的效果，是因为有字符串常量池的存在。同时运行时实例创建的全局字符串常量池中有一个表，总是为池中的每个字符串对象维护一个引用，所以这些对象不会被。

开始写 Java 一年来，一直都是遇到什么问题再去解决，还没有主动的深入的去学习过 Java 语言的特性和深入阅读 JDK 的源码。既然决定今后靠 Java
吃饭，还是得花些心思在上面，放弃一些打游戏的时间，系统深入的去学习。

Java String 是 Java 编程中最常用的类之一，也是 JDK 提供的最基础的类。所以我决定先从 String 类入手，深入的研究一番来开个好头。

打开 JDK 中的 String 源码，最先应当关注 String 类的定义。

public final class String
    implements java.io.Serializable, Comparable, CharSequence

写过 Java 的人都知道， 当 final 关键字修饰类时，代表此类不可继承。所以 String 类是不能被外部继承。这时候我们可能会好奇，String 的设计者
为什么要把它设计成不可继承的呢。我在知乎上找到了相关的问题和讨论，
我觉得首位的回答已经说的很明白了。String 做为 Java 的最基础的引用数据类型，最重要的一点就是不可变性，所以使用 final 就是为了**禁止继承
破坏了 String 的不可变的性质**。

实现类的不可变性，不光是用 final 修饰类这么简单，从源码中可以看到，String 实际上是对一个字符数组的封装，而字符数组是私有的，并且没有提供
任何可以修改字符数组的方法，所以一旦初始化完成， String 对象便无法被修改。

从上面的类定义中我们看到了 String 实现了序列化的接口 Serializable，所以 String 是支持序列化和反序列化的。
什么是Java对象的序列化？相信很多和我一样的 Java 菜鸟都有这样疑问。深入分析Java的序列化与反序列化这篇文章中的这一段话
解释的很好。

Java平台允许我们在内存中创建可复用的Java对象，但一般情况下，
只有当JVM处于运行时，这些对象才可能存在，
即，这些对象的生命周期不会比JVM的生命周期更长。但在现实应用中，
就可能要求在JVM停止运行之后能够保存(持久化)指定的对象，并在将来重新读取被保存的对象。
Java对象序列化就能够帮助我们实现该功能。
使用Java对象序列化，在保存对象时，会把其状态保存为一组字节，在未来，再将这些字节组装成对象。
必须注意地是，对象序列化保存的是对象的”状态”，即它的成员变量。由此可知，对象序列化不会关注类中的静态变量。
除了在持久化对象时会用到对象序列化之外，当使用RMI(远程方法调用)，或在网络中传递对象时，都会用到对象序列化。
Java序列化API为处理对象序列化提供了一个标准机制，该API简单易用。

在 String 源码中，我们也可以看到支持序列化的类成员定义。

    /** use serialVersionUID from JDK 1.0.2 for interoperability */
    private static final long serialVersionUID = -6849794470754667710L;

    /**
     * Class String is special cased within the Serialization Stream Protocol.
     *
     * A String instance is written into an ObjectOutputStream according to
     * 
     * Object Serialization Specification, Section 6.2, "Stream Elements"
     */
    private static final ObjectStreamField[] serialPersistentFields =
        new ObjectStreamField[0];

serialVersionUID 是一个序列化版本号，Java 通过这个 UID 来判定反序列化时的字节流与本地类的一致性，如果相同则认为一致，
可以进行反序列化，如果不同就会抛出异常。

serialPersistentFields 这个定义则比上一个少见许多，大概猜到是与序列化时的类成员有关系。为了弄懂这个字段的意义，我 google 百度齐上，也
仅仅只找到了 JDK 文档对类 ObjectStreamField的一丁点描述, `A description of a Serializable field from a Serializable class.
An array of ObjectStreamFields is used to declare the Serializable fields of a class.` 大意是这个类用来描述序列化类的一个序列化字段，
如果定义一个此类的数组则可以声明类需要被序列化的字段。但是还是没有找到这个类的具体用法和作用是怎样的。后来我仔细看了一下这个字段的定义，
与 serialVersionUID 应该是同样通过具体字段名来定义各种规则的，然后我直接搜索了关键字 serialPersistentFields，终于找到了它的具体作用。
即，**默认序列化自定义包括关键字 transient 和静态字段名 serialPersistentFields，transient 用于指定哪个字段不被默认序列化，
serialPersistentFields 用于指定哪些字段需要被默认序列化。如果同时定义了 serialPersistentFields 与 transient，transient 会被忽略。**
我自己也测试了一下，确实是这个效果。

知道了 serialPersistentFields 的作用以后，问题又来了，既然这个静态字段是用来定义参与序列化的类成员的，那为什么在 String 中这个数组的长度定义为0？
经过一番搜索查找资料以后，还是没有找到一个明确的解释，期待如果有大佬看到能解答一下。

String 类还实现了 Comparable 接口，Comparable接口只有一个方法 public int compareTo(T o)，实现了这个接口就意味着该类支持排序，
即可用 Collections.sort 或 Arrays.sort 等方法对该类的对象列表或数组进行排序。

在 String 中我们还可以看到这样一个静态变量，

 public static final Comparator CASE_INSENSITIVE_ORDER
                                         = new CaseInsensitiveComparator();
private static class CaseInsensitiveComparator
            implements Comparator, java.io.Serializable {
        // use serialVersionUID from JDK 1.2.2 for interoperability
        private static final long serialVersionUID = 8575799808933029326L;

        public int compare(String s1, String s2) {
            int n1 = s1.length();
            int n2 = s2.length();
            int min = Math.min(n1, n2);
            for (int i = 0; i < min; i++) {
                char c1 = s1.charAt(i);
                char c2 = s2.charAt(i);
                if (c1 != c2) {
                    c1 = Character.toUpperCase(c1);
                    c2 = Character.toUpperCase(c2);
                    if (c1 != c2) {
                        c1 = Character.toLowerCase(c1);
                        c2 = Character.toLowerCase(c2);
                        if (c1 != c2) {
                            // No overflow because of numeric promotion
                            return c1 - c2;
                        }
                    }
                }
            }
            return n1 - n2;
        }

        /** Replaces the de-serialized object. */
        private Object readResolve() { return CASE_INSENSITIVE_ORDER; }
    }

从上面的源码中可以看出，这个静态成员是一个实现了 Comparator 接口的类的实例，而实现这个类的作用是比较两个忽略大小写的 String 的大小。

那么 Comparable 和 Comparator 有什么区别和联系呢？同时 String 又为什么要两个都实现一遍呢？

第一个问题这里就不展开了，总结一下就是，Comparable 是类的内部实现，一个类能且只能实现一次，而 Comparator 则是外部实现，可以通过不改变
类本身的情况下，为类增加更多的排序功能。
所以我们也可以为 String 实现一个 Comparator使用，具体可以参考Comparable与Comparator的区别这篇文章。

String 实现了两种比较方法的意图，实际上是一目了然的。实现 Comparable 接口为类提供了标准的排序方案，同时为了满足大多数排序需求的忽略大小写排序的情况，
String 再提供一个 Comparator 到公共静态类成员中。如果还有其他的需求，那就只能我们自己实现了。

String 的方法大致可以分为以下几类。

构造方法

功能方法

工厂方法

intern方法

关于 String 的方法的解析，这篇文章已经解析的够好了，所以我这里也不再重复的说一遍了。不过
最后的 intern 方法值得我们去研究。

String 做为 Java 的基础类型之一，可以使用字面量的形式去创建对象，例如 String s = "hello"。当然也可以使用 new 去创建 String 的对象，
但是几乎很少看到这样的写法，久而久之我便习惯了第一种写法，但是却不知道背后大有学问。下面一段代码可以看出他们的区别。

public class StringConstPool {
    public static void main(String[] args) {
        String s1 = "hello world";
        String s2 = new String("hello world");
        String s3 = "hello world";
        String s4 = new String("hello world");
        String s5 = "hello " + "world";
        String s6 = "hel" + "lo world";
        String s7 = "hello";
        String s8 = s7 + " world";
        
        System.out.println("s1 == s2: " + String.valueOf(s1 == s2) );
        System.out.println("s1.equals(s2): " + String.valueOf(s1.equals(s2)));
        System.out.println("s1 == s3: " + String.valueOf(s1 == s3));
        System.out.println("s1.equals(s3): " + String.valueOf(s1.equals(s3)));
        System.out.println("s2 == s4: " + String.valueOf(s2 == s4));
        System.out.println("s2.equals(s4): " + String.valueOf(s2.equals(s4)));
        System.out.println("s5 == s6: " + String.valueOf(s5 == s6));
        System.out.println("s1 == s8: " + String.valueOf(s1 == s8));
    }
}
/* output
s1 == s2: false
s1.equals(s2): true
s1 == s3: true
s1.equals(s3): true
s2 == s4: false
s2.equls(s4): true
s5 == s6: true
s1 == s8: false
 */

从这段代码的输出可以看到，equals 比较的结果都是 true，这是因为 String 的 equals 比较的值( Object 对象的默认 equals 实现是比较引用，
String 对此方法进行了重写)。== 比较的是两个对象的引用，如果引用相同则返回 true，否则返回 false。s1==s2: false和 s2==s4: false
说明了 new 一个对象一定会生成一个新的引用返回。s1==s3: true 则证明了使用字面量创建对象同样的字面量会得到同样的引用。

s5 == s6 实际上和 s1 == s3 在 JVM 眼里是一样的情况，因为早在编译阶段，这种常量的简单运算就已经完成了。我们可以使用 javap 反编译一下 class 文件去查看
编译后的情况。

➜ ～ javap -c StringConstPool.class
Compiled from "StringConstPool.java"
public class io.github.jshanet.thinkinginjava.constpool.StringConstPool {
  public io.github.jshanet.thinkinginjava.constpool.StringConstPool();
    Code:
       0: aload_0
       1: invokespecial #1                  // Method java/lang/Object."":()V
       4: return

  public static void main(java.lang.String[]);
    Code:
       0: ldc           #2                  // String hello world
       2: astore_1
       3: return
}

看不懂汇编也没关系，因为注释已经很清楚了......

s1 == s8 的情况就略复杂，s8 是通过变量的运算而得，所以无法在编译时直接算出其值。而 Java 又不能重载运算符，所以我们在 JDK 的源码里也
找不到相关的线索。万事不绝反编译，我们再通过反编译看看实际上编译器对此是否有影响。

public class io.github.jshanet.thinkinginjava.constpool.StringConstPool {
  public io.github.jshanet.thinkinginjava.constpool.StringConstPool();
    Code:
       0: aload_0
       1: invokespecial #1                  // Method java/lang/Object."":()V
       4: return

  public static void main(java.lang.String[]);
    Code:
       0: ldc           #2                  // String hello
       2: astore_1
       3: new           #3                  // class java/lang/StringBuilder
       6: dup
       7: invokespecial #4                  // Method java/lang/StringBuilder."":()V
      10: aload_1
      11: invokevirtual #5                  // Method java/lang/StringBuilder.append:(Ljava/lang/String;)Ljava/lang/StringBuilder;
      14: ldc           #6                  // String  world
      16: invokevirtual #5                  // Method java/lang/StringBuilder.append:(Ljava/lang/String;)Ljava/lang/StringBuilder;
      19: invokevirtual #7                  // Method java/lang/StringBuilder.toString:()Ljava/lang/String;
      22: astore_2
      23: return
}

通过反编译的结果可以发现，String 的变量运算实际上在编译后是由 StringBuilder 实现的，s8 = s7 + " world" 的代码等价于
(new StringBuilder(s7)).append(" world").toString()。Stringbuilder 是可变的类，通过 append 方法 和 toString 将两个 String 对象聚合
成一个新的 String 对象，所以到这里就不难理解为什么 s1 == s8 : false 了。

之所以会有以上的效果，是因为有字符串常量池的存在。字符串对象的分配和其他对象一样是要付出时间和空间代价，而字符串又是程序中最常用的对象，JVM
为了提高性能和减少内存占用，引入了字符串的常量池，在使用字面量创建对象时， JVM 首先会去检查常量池，如果池中有现成的对象就直接返回它的引用，如果
没有就创建一个对象，并放到池里。因为字符串不可变的特性，所以 JVM 不用担心多个变量引用同一个对象会改变对象的状态。同时运行时实例创建的全局
字符串常量池中有一个表，总是为池中的每个字符串对象维护一个引用，所以这些对象不会被 GC 。

上面说了很多都没有涉及到主题 intern 方法，那么 intern 方法到作用到底是什么呢？首先查看一下源码。

    /**
     * Returns a canonical representation for the string object.
     * 

     * A pool of strings, initially empty, is maintained privately by the
     * class {@code String}.
     * 

     * When the intern method is invoked, if the pool already contains a
     * string equal to this {@code String} object as determined by
     * the {@link #equals(Object)} method, then the string from the pool is
     * returned. Otherwise, this {@code String} object is added to the
     * pool and a reference to this {@code String} object is returned.
     * 

     * It follows that for any two strings {@code s} and {@code t},
     * {@code s.intern() == t.intern()} is {@code true}
     * if and only if {@code s.equals(t)} is {@code true}.
     * 

     * All literal strings and string-valued constant expressions are
     * interned. String literals are defined in section 3.10.5 of the
     * The Java™ Language Specification.
     *
     * @return  a string that has the same contents as this string, but is
     *          guaranteed to be from a pool of unique strings.
     */
    public native String intern();

Oracle JDK 中，intern 方法被 native 关键字修饰并且没有实现，这意味着这部分到实现是隐藏起来了。从注释中看到，这个方法的作用是如果常量池
中存在当前字符串，就会直接返回当前字符串，如果常量池中没有此字符串，会将此字符串放入常量池中后再返回。通过注释的介绍已经可以明白这个方法的作用了，
再用几个例子证明一下。

public class StringConstPool {
    public static void main(String[] args) {
        String s1 = "hello";
        String s2 = new String("hello");
        String s3 = s2.intern();
        System.out.println("s1 == s2: " + String.valueOf(s1 == s2));
        System.out.println("s1 == s3: " + String.valueOf(s1 == s3));
    }
}
/* output
s1 == s2: false
s1 == s3: true
*/

这里就很容易的了解 intern 实际上就是把普通的字符串对象也关联到常量池中。

当然 intern 的实现原理和最佳实践等也是需要理解学习的，美团技术团队的这篇深入解析String#intern
很深入也很详细，推荐阅读。