logo标签列表

Java中字符串的最大长度 - 调用length()方法

javastring
167
在Java中，使用length()方法调用时，String对象的最大大小是多少？
我知道length()方法将一个String的大小返回为一个char []。
9
虽然 String 的长度理论上可以达到 Integer.MAX_VALUE，但是在源代码中，字符串字面量的长度似乎仅限于 65535 bytes 的 UTF-8 数据。 - 200_success
7个回答
184
考虑到String类的length方法返回一个int，该方法返回的最大长度将是Integer.MAX_VALUE，即2^31 - 1（约为20亿）。
在数组的长度和索引方面（例如char[]，这可能是实现String的内部数据表示方式），The Java Language Specification, Java SE 7 Edition的第10章：数组中如下所述：
数组中包含的变量没有名称，而是通过使用非负整数索引值的数组访问表达式进行引用。这些变量称为数组的组件。如果一个数组有n个组件，我们称n为数组的长度；数组的组件使用从0到n-1的整数索引进行引用。此外，如第10.4节所述，索引必须是int值：数组必须由int值索引。因此，似乎限制确实是2^31-1，因为这是非负int值的最大值。但是，可能会出现其他限制，例如可分配数组的最大大小。
32
Integer.MAX_VALUE 实际上是 2^31-1。 :) - Michael Myers
5
我刚刚尝试在一个Java的hello world程序中定义了一个长于65546的字符串字面量。javac报错该字面量太长：javac HelloWorld.java 2>&1|head -c 80 HelloWorld.java:3: constant string too long - dlamblin
3
这句话听起来像是javac对于String字面值（而不是String对象）的限制，因为我在Java语言规范和JVM规范中找不到任何关于String字面值大小限制的参考资料。我试着创建一个超过10万个字符的String字面值，Eclipse编译器没有问题编译它。（运行程序后能够显示该字面值具有超过10万个字符的String.length）。 - coobird
3
三年前的事了，所以我得想一下。;) 我的意思是，要构建一个最大尺寸的字符串，你需要非常多的内存，可能超过你拥有的内存。你需要每个字符两个字节，约为 4GB，但你需要使用 StringBuilder 或 char[] 构建它，这意味着你需要每个字符另外两个字节来创建它，也就是说，你需要另外约 4GB（至少暂时）。 - Peter Lawrey
1
我刚刚尝试了当前的Oracle JVM实现，并得到了一个最大的char[]长度为Integer.MAX_VALUE-2。由于String使用char数组，所以当前的实际限制略低于理论限制。 - Holger
显示剩余8条评论
31

java.io.DataInput.readUTF()和java.io.DataOutput.writeUTF(String)指出，一个String对象由两个字节的长度信息和字符串中每个字符的修改后UTF-8编码表示组成。因此，在使用DataInput和DataOutput时，字符串的长度受到字符串修改后UTF-8编码所需的字节数的限制。

此外，在Java虚拟机规范中找到的CONSTANT_Utf8_info的规范定义如下结构。

CONSTANT_Utf8_info {
    u1 tag;
    u2 length;
    u1 bytes[length];
}

'length'的大小为两个字节。

某些方法（例如String.length()）的返回类型为int并不总是意味着其允许的最大值为Integer.MAX_VALUE。相反，在大多数情况下，选择int只是为了提高性能。Java语言规范指出，在计算之前，长度小于int的整数将被转换为int（如果我记得正确），这也是在没有特殊原因时选择int的原因之一。

编译时的最大长度最多为65536个字节。请再次注意，长度是修改过的UTF-8表示的字节数，而不是String对象中字符的数量。

String对象在运行时可能具有更多的字符。但是，如果想要使用具有DataInput和DataOutput接口的String对象，则最好避免使用太长的String对象。当我实现DataInput.readUTF()和DataOutput.writeUTF(String)的Objective-C等效项时，发现了这种限制。

1
这应该是默认答案。 - Nick
这是正确的答案。特别是关于CONSTANT_Utf8_info规范的那部分 :) - Max Coplan
20

由于数组必须使用整数作为索引，因此数组的最大长度为Integer.MAX_INT（231-1，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。

19

我有一台2010年的 iMac，配备了8GB内存，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());

这会打印：

Requested array size exceeds VM limit
1207959550

所以，似乎最大数组大小为约1,207,959,549。然后我意识到我们实际上不关心Java是否用尽了内存：我们只是在寻找最大的数组大小（似乎是在某个地方定义的常量）。那么：

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);
    }
}

打印出：

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，似乎最大值为Integer.MAX_VALUE - 2，即(2^31) - 3。

顺便说一句，我不确定为什么我的StringBuilder在达到1207959550时达到上限，而我的char[]在(2^31)-3时达到上限。看起来，AbstractStringBuilder会将其内部的char[]大小加倍以进行扩展，因此可能会导致该问题。

5
一个非常有用的实际处理问题的方法。 - Pavlo Maistrenko
6

显然它绑定到一个整数，该整数为0x7FFFFFFF（2147483647）。

5

String类的length()方法的返回类型是int。

public int length()

参考http://docs.oracle.com/javase/7/docs/api/java/lang/String.html#length()

因此，int的最大值是2147483647。

String在内部被视为字符数组，所以索引是在最大范围内进行的。这意味着我们无法引用第2147483648个成员。因此，在Java中，String的最大长度为2147483647。

在Java中，基本数据类型int占用4字节（32位）。由于1位（MSB）用作符号位，所以范围限制在-2^31到2^31-1（-2147483648至2147483647）。我们不能使用负值进行索引。因此，我们可以使用的范围从0到2147483647。

2

正如Takahiko Kawasaki的回答中所提到的，Java使用修改后的UTF-8来表示Unicode字符串，并在JVM规范的CONSTANT_UTF8_info结构体中，分配2个字节用于字符串长度（而不是字符数）。
为了扩展这个答案，ASM jvm bytecode库的putUTF8方法包含如下内容：

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，它会调用 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;
      }
    }
   ...
}

在这种情况下，最大字符串长度是65535字节，即utf-8编码长度，而不是字符数。
您可以从上面的utf8结构链接中找到JVM的修改后Unicode代码点范围。

网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接