在Java 中,String
指的是length()
方法调用,对象可能具有的最大大小是多少?
我知道将length()
a 的大小返回String
为 a char []
;
在Java 中,String
指的是length()
方法调用,对象可能具有的最大大小是多少?
我知道将length()
a 的大小返回String
为 a char []
;
java.io.DataInput.readUTF()
和java.io.DataOutput.writeUTF(String)
说一个String
对象被表示为两个字节的长度信息和UTF-8修改字符串中的每个字符的表示。这得出结论,当与DataInput
和 一起使用时,字符串的长度受字符串的修改后的 UTF-8 表示的字节数限制DataOutput
。
此外,所述的说明书中CONSTANT_Utf8_info
发现,在Java虚拟机规范定义如下的结构。
CONSTANT_Utf8_info {
u1 tag;
u2 length;
u1 bytes[length];
}
你可以发现'length'的大小是两个字节。
某个方法的返回类型(例如String.length()
)int
并不总是意味着其允许的最大值是Integer.MAX_VALUE
。相反,在大多数情况下,int
选择只是出于性能原因。Java 语言规范说,大小小于 的整数在计算之前int
被转换int
(如果我没记错的话)并且int
在没有特殊原因时选择它的原因之一。
编译时的最大长度最多为 65536。再次注意,长度是修改后的 UTF-8表示的字节数,而不是String
对象中的字符数。
String
对象在运行时可能有更多的字符。但是,如果要使用String
带有DataInput
和DataOutput
接口的对象,最好避免使用太长的String
对象。我发现这个限制时我实现的目标C当量DataInput.readUTF()
和DataOutput.writeUTF(String)
。
由于数组必须以整数作为索引,因此数组的最大长度为Integer.MAX_INT
(2 31 -1 或 2 147 483 647)。当然,这是假设您有足够的内存来容纳该大小的数组。
我有一台带有 8GB RAM 的 2010 iMac,运行 Eclipse Neon.2 Release (4.6.2) 和 Java 1.8.0_25。使用 VM 参数 -Xmx6g,我运行了以下代码:
StringBuilder sb = new StringBuilder();
for (int i = 0; i < Integer.MAX_VALUE; i++) {
try {
sb.append('a');
} catch (Throwable e) {
System.out.println(i);
break;
}
}
System.out.println(sb.toString().length());
这打印:
Requested array size exceeds VM limit
1207959550
因此,最大数组大小似乎是 ~1,207,959,549。然后我意识到我们实际上并不关心 Java 是否耗尽内存:我们只是在寻找最大数组大小(这似乎是在某处定义的常量)。所以:
for (int i = 0; i < 1_000; i++) {
try {
char[] array = new char[Integer.MAX_VALUE - i];
Arrays.fill(array, 'a');
String string = new String(array);
System.out.println(string.length());
} catch (Throwable e) {
System.out.println(e.getMessage());
System.out.println("Last: " + (Integer.MAX_VALUE - i));
System.out.println("Last: " + i);
}
}
哪个打印:
Requested array size exceeds VM limit
Last: 2147483647
Last: 0
Requested array size exceeds VM limit
Last: 2147483646
Last: 1
Java heap space
Last: 2147483645
Last: 2
因此,最大值似乎是 Integer.MAX_VALUE - 2 或 (2^31) - 3
PS我不知道为什么我StringBuilder
在刷爆了1207959550
,而我char[]
在(2 ^ 31)刷爆-3。似乎将AbstractStringBuilder
其内部的大小加倍char[]
以增长它,因此这可能会导致问题。
显然它绑定到一个整数,即 0x7FFFFFFF (2147483647)。
String 类的 length() 方法的返回类型是int。
公共整数长度()
参考http://docs.oracle.com/javase/7/docs/api/java/lang/String.html#length()
所以 int 的最大值是2147483647。
String在内部被认为是char数组,所以索引是在最大范围内完成的。这意味着我们不能索引第 2147483648 个成员。所以 java 中 String 的最大长度是 2147483647。
java中原始数据类型int为4字节(32位)。由于1位(MSB)用作符号位,范围限制在-2^31到2^31-1(-2147483648到2147483647)内。我们不能为索引使用负值。所以显然我们可以使用的范围是从 0 到 2147483647。
正如Takahiko Kawasaki 的回答中提到的,java 以修改后的 UTF-8的形式表示 Unicode 字符串,在 JVM-Spec CONSTANT_UTF8_info Structure 中,2 个字节被分配给长度(而不是字符串的字符数)。
为了扩展答案,ASM jvm 字节码库的putUTF8
方法包含以下内容:
public ByteVector putUTF8(final String stringValue) {
int charLength = stringValue.length();
if (charLength > 65535) {
// If no. of characters> 65535, than however UTF-8 encoded length, wont fit in 2 bytes.
throw new IllegalArgumentException("UTF8 string too large");
}
for (int i = 0; i < charLength; ++i) {
char charValue = stringValue.charAt(i);
if (charValue >= '\u0001' && charValue <= '\u007F') {
// Unicode code-point encoding in utf-8 fits in 1 byte.
currentData[currentLength++] = (byte) charValue;
} else {
// doesnt fit in 1 byte.
length = currentLength;
return encodeUtf8(stringValue, i, 65535);
}
}
...
}
但是当代码点映射 > 1byte 时,它调用encodeUTF8
方法:
final ByteVector encodeUtf8(final String stringValue, final int offset, final int maxByteLength /*= 65535 */) {
int charLength = stringValue.length();
int byteLength = offset;
for (int i = offset; i < charLength; ++i) {
char charValue = stringValue.charAt(i);
if (charValue >= 0x0001 && charValue <= 0x007F) {
byteLength++;
} else if (charValue <= 0x07FF) {
byteLength += 2;
} else {
byteLength += 3;
}
}
...
}
从这个意义上说,最大字符串长度为 65535 字节,即 utf-8 编码长度。而char
不算数
您可以从上面的 utf8 结构链接中找到 JVM 的修改后的 Unicode 代码点范围。
考虑到
String
类的length
方法返回int
,该方法返回的最大长度为Integer.MAX_VALUE
,即2^31 - 1
(或大约 20 亿)。在长度和数组的索引,(如而言
char[]
,这可能是内部数据表示为实现方式String
S),第10章:数组的Java语言规范,Java SE 7中版说以下内容:此外,索引必须按
int
值进行,如第 10.4 节所述:因此,似乎极限确实是
2^31 - 1
,因为这是非负值的int
最大值。但是,可能会有其他限制,例如数组的最大可分配大小。