String字串的最大長度是多少？

程式設計師自由之路發表於2020-09-09
字串

在學習和開發過程中，我們經常會討論 short ，int 和 long 這些基本資料型別的取值範圍，但是對於 String 型別我們好像很少注意它的“取值範圍”。那麼對於 String 型別，它到底有沒有長度限制呢？

其實 String 型別的物件，他們是有長度限制的， String 物件並不能“儲存”無限長度的字串。關於 String 的長度限制要從編譯時限制和執行時限制兩方面考慮。

編譯期限制

有JVM虛擬機器相關知識的同學肯定知道，下面定義的字串常量“自由之路”會被放入方法區的常量池中。

String s = "自由之路";
System.out.println(s);

Stirng 長度之所以會受限制，是因JVM規範對常量池有所限制。常量池中的每一種資料項都有自己的型別。Java中的UTF-8編碼的Unicode字串在常量池中以CONSTANT_Utf8型別表示。

CONSTANT_Utf8的資料結構如下：

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

我們重點關注下長度為 length 的那個bytes陣列，這個陣列就是真正儲存常量資料的地方，而 length 就是陣列可以儲存的最大位元組數。length 的型別是u2，u2是無符號的16位整數，因此理論上允許的的最大長度是2^16-1=65535。所以上面byte陣列的最大長度可以是65535。

//65535個d，編譯報錯
String s = "dd..dd";

//65534個d，編譯通過
String s1 = "dd..d";

上面的列子中長度為65535的字串s還是編譯失敗了，但是長度為65534的字串 s1 編譯是成功的。這個好像和我們剛剛的結論不符合。

其實，這時Javac編譯器的額外限制。在Javac的原始碼中可以找到以下程式碼：

private void checkStringConstant(DiagnosticPosition var1, Object var2) {
    if (this.nerrs == 0 && var2 != null && var2 instanceof String &&   ((String)var2).length() >= 65535) {
        this.log.error(var1, "limit.string", new Object[0]);
        ++this.nerrs;
    }
}

程式碼中可以看出，當引數型別為String，並且長度大於等於65535的時候，就會導致編譯失敗。

這裡需要重點強調下的是：String 的限制並不是對字串長度的限制，而是對字串底層儲存的限制。這句話可能比較抽象，下面舉個列子就清楚了。

Java中的字元常量都是使用UTF8編碼的，UTF8編碼使用1~4個位元組來表示具體的Unicode字元。所以有的字元佔用一個位元組，而我們平時所用的大部分中文都需要3個位元組來儲存。

//65534個字母，編譯通過
String s1 = "dd..d";

//21845箇中文”自“,編譯通過
String s2 = "自自...自";

//一個英文字母d加上21845箇中文”自“，編譯失敗
String s3 = "d自自...自";

對於s1，一個字母d的UTF8編碼佔用一個位元組，65534字母佔用65534個位元組，長度是65534，也沒超過Javac的限制，所以可以編譯通過。

對於s2，一箇中文佔用3個位元組，21845個正好佔用65535個位元組，而且字串長度是21845，並沒有超過javac對長度的限制，所以可以編譯通過。

對於s3，一個英文字母d加上21845箇中文”自“佔用65535個位元組，超過了最常限制，編譯失敗。

執行時限制

String 執行時的限制主要體現在 String 的建構函式上。下面是 String 的一個建構函式：

public String(char value[], int offset, int count) {
    ...
}

上面的count值就是字串的最大長度。在Java中，int的最大長度是2^31-1。所以在執行時，String 的最大長度是2^31-1。

但是這個也是理論上的長度，實際的長度還要看你JVM的記憶體。我們來看下，最大的字串會佔用多大的記憶體。

(2^31-1)*2*16/8/1024/1024/1024 = 4GB

所以在最壞的情況下，一個最大的字串要佔用4GB的記憶體。如果你的虛擬機器不能分配這麼多記憶體的話，會直接報錯的。

JDK9以後對String的儲存進行了優化。底層不再使用char陣列儲存字串，而是使用byte陣列。對於LATIN1字元的字串可以節省一倍的記憶體空間。

簡單總結

String 的長度是有限制的。

  • 編譯期的限制：字串的UTF8編碼值的位元組數不能超過65535，字串的長度不能超過65534；
  • 執行時限制：字串的長度不能超過2^31-1，佔用的記憶體數不能超過虛擬機器能夠提供的最大值。

公眾號推薦

歡迎大家關注我的微信公眾號「程式設計師自由之路」

相關文章