String.split()方法你可能不知道的一面
String.split（）方法你可能不知道的一面
一、问题
java中String的split（）是我们经常使用的方法，用来按照特定字符分割字符串，那么我们看以下一段代码：
public void splitTest（） {
String str = "aaa|bbb|ccc";
String[] array = str.split（"|"）；
System.out.println（Arrays.toString（array））；
}
是不是感觉很简单，就是吧str按照"|"分割，结果就是[aaa,bbb,ccc]嘛。如果你这么想，那么以后在用这个方法时你可能会犯下大错，把程序跑起来，你会惊讶的发现程序输入如下结果：
[, a, a, a, |, b, b, b, |, c, c, c]
为什么会出现这种情况呢？我们再来运行一下str.split（""）；就会发现结果和之前的结果一样，也就是说我们使用"|"分割的时候其实split是按照空字符分割的。
二、探究
为了找到原因，我们在来使用其他几种字符测试一下，结果如下：
0:[aaa, bbb, ccc]
$:[aaa$bbb$ccc]
,:[aaa, bbb, ccc]
*:异常java.util.regex.PatternSyntaxException: Dangling meta character '*' near index 0
^:[aaa^bbb^ccc]
我们会发现对于数字，","结果是正确的，而对于特殊字符，结果都不正确，而且如果经验丰富，你可能已经发现，这些特殊字符都是正则表达式中的匹配符，而那个异常也很明确的说明了这一点。
因此，我们可以猜测在split内部使用了正则表达式来匹配并分割字符串。那么现在又有一个疑问：我们知道一般情况下String涉及的字符串处理多数使用indexOf（）（可能是考虑效率问题吧），那么这里为什么使用正则呢？我们还是直接看看源码吧：
public String[] split（String regex, int limit） {
char ch = 0;
if （（（regex.value.length == 1 &&
".$|（）[{^?*+\\".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）；
}
可以看到方法内有一个if,如果条件为true,那么就使用indexOf（）判断后substring（）截取，如果为false,则使用正则处理。那么我们就来分析下这个if的条件：
//第一步部分：当regex的长度为1且不是".$|（）[{^?*+\\"中的时，为真
（regex.value.length == 1 &&".$|（）[{^?*+\\".indexOf（ch = regex.charAt（0）） == -1）
//第二部分：当长度为2时且第一个字符为"\"转义字符，第二个字符不是字符0-9 a-z A-Z 以及utf-16之间的字符
（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） www.tygj123.com
从if可以看出如果regex内容为一个非正则匹配符或者是转以后的特殊字符时，采用indexOf（）+substring（）处理，否则使用正则表达式。
那么为什么这么做呢，直接使用第一种方法不就行了？其实我们可以考虑一种复杂的情况：
aaax111xbbbx222xcccx333xddd
如果我想分割出这样的结果 [aaa, bbb, ccc, ddd] 应该则么做呢？按照第一种方法，实现起来很麻烦，需要一大堆判断，反而不如正则方便，而String中的split（）方法正是出于这样的考虑实现的，不信你用split（"x.*?x"）试试。
三、启示
这次这件事虽小，但是却让我收获不少。
1、使用一个不了解的方法前，一定要看一眼提示，split方法说明里虽然没有明确的提示上述问题，但是多个地方都提到了正则，连参数名字都是regex,作为一个经验丰富的程序员，应该想到这一点。
2、对于一些小的功能点（往往我们还胸有成竹）一定要写个Test测一下，其实把代码贴过去跑一下费不了多少劲，但是当他淹没在成百上千行的代码中时，想要在发现问题就很费劲了，特别是你不调试根本想不到这点会错 www.yztrans.com
3、我们在多数项目中都要建个util工具包，封装各种辅助的操作类，然而这些类的功能往往只是满足当时的需求，之后用到类似但有变动的功能时往往习惯单独实现一个，而不是实现一个完善的覆盖原来的，从设计的角度会造成接口不一致：明明同样的需求、同样的参数，我却还要看看他的内部实现才能选择用哪个。对于这些工具类，我们不一定要非常完美，但是应该用心做到尽量完善，这也方便复用。
