在日常的 Java 开发中，由于 JDK 未能提供足够的常用的操作类库，通常我们会引入 Apache Commons Lang 工具库或者 Google Guava 工具库简化开发过程。两个类库都为 java.lang API 提供了很多实用工具，比如经常使用的字符串操作，基本数值操作、时间操作、对象反射以及并发操作等。
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-lang3</artifactId>
<version>3.12.0</version>
</dependency>
但是，最近在使用 Apache Commons Lang 工具库时踩了一个坑，导致程序出现了意料之外的结果。
StringUtils.split 的坑
也是因为踩了这个坑，索性写下一篇文章好好介绍下 Apache Commons Lang 工具库中字符串操作相关 API。
先说坑是什么，我们都知道 String 类中到的 split 方法可以分割字符串，比如字符串 aabbccdd 根据 bc 分割的结果应该是 aab 和 cdd 才对，这样的结果也很容易验证。
String str = "aabbccdd";
for (String s : str.split("bc")) {
System.out.println(s);
}
// 结果
aab
cdd
可能是因为 String 类中的 split 方法的影响，我一直以为 StringUtils.split 的效果应该相同，但其实完全不同，可以试着分析下面的三个方法输出结果是什么，StringUtils 是 Commons Lang 类库中的字符串工具类。
public static void testA() {
String str = "aabbccdd";
String[] resultArray = StringUtils.split(str, "bc");
for (String s : resultArray) {
System.out.println(s);
}
}
我对上面 testA 方法的预期是 aab 和 cdd ，但是实际上这个方法的运行结果是：
// testA 输出
aa
dd
可以看到 b 和 c 字母都不见了，只剩下了 a 和 b，这是已经发现问题了，查看源码后发现 StringUtils.split 方法其实是按字符进行操作的，不会把分割字符串作为一个整体来看，返回的结果中不也会包含用于分割的字符。
验证代码：
public static void testB() {
String str = "abc";
String[] resultArray = StringUtils.split(str, "ac");
for (String s : resultArray) {
System.out.println(s);
}
}
// testB 输出
b
public static void testC() {
String str = "abcd";
String[] resultArray = StringUtils.split(str, "ac");
for (String s : resultArray) {
System.out.println(s);
}
}
// testC 输出
b
d
输出结果和预期的一致了。
StringUtils.split 源码分析
点开源码一眼看下去，发现在方法注释中就已经进行提示了：返回的字符串数组中不包含分隔符。
继续追踪源码，可以看到最终 split 分割字符串时入参有四个。
private static String[] splitWorker(
final String str, // 原字符串
final String separatorChars, // 分隔符
final int max, // 分割后返回前多少个结果，-1 为所有
final boolean preserveAllTokens // 暂不关注
) {
}
根据分隔符的不同又分了三种情况。
1. 分隔符为 null
final int len = str.length();
if (len == 0) {
return ArrayUtils.EMPTY_STRING_ARRAY;
}
final List<String> list = new ArrayList<>();
int sizePlus1 = 1;
int i = 0;
int start = 0;
boolean match = false;
boolean lastMatch = false;
if (separatorChars == null) {
// Null separator means use whitespace
while (i < len) {
if (Character.isWhitespace(str.charAt(i))) {
if (match || preserveAllTokens) {
lastMatch = true;
if (sizePlus1++ == max) {
i = len;
lastMatch = false;
}
list.add(str.substring(start, i));
match = false;
}
start = ++i;
continue;
}
lastMatch = false;
match = true;
i++;
}
}
// ...
if (match || preserveAllTokens && lastMatch) {
list.add(str.substring(start, i));
}
可以看到如果分隔符为 null ，是按照空白字符 Character.isWhitespace() 分割字符串的。分割的算法逻辑为：
a. 用于截取的开始下标置为 0 ，逐字符读取字符串。
b. 碰到分割的目标字符，把截取的开始下标到当前字符之前的字符串截取出来。
c. 然后用于截取的开始下标置为下一个字符，等到下一次使用。
d. 继续逐字符读取字符串、
2. 分隔符为单个字符
逻辑同上，只是判断逻辑 Character.isWhitespace() 变为了指定字符判断。
// Optimise 1 character case
final char sep = separatorChars.charAt(0);
while (i < len) {
if (str.charAt(i) == sep) { // 直接比较
...
3. 分隔符为字符串
总计逻辑同上，只是判断逻辑变为包含判断。
// standard case
while (i < len) {
if (separatorChars.indexOf(str.charAt(i)) >= 0) { // 包含判断
if (match || preserveAllTokens) {
如何解决？
1. 使用 splitByWholeSeparator 方法。
我们想要的是按整个字符串分割，StringUtils 工具类中已经存在具体的实现了，使用 splitByWholeSeparator 方法。
String str = "aabbccdd";
String[] resultArray = StringUtils.splitByWholeSeparator(str, "bc");
for (String s : resultArray) {
System.out.println(s);
}
// 输出
aab
cdd
2. 使用 Google Guava 工具库
关于 Guava 工具库的使用，之前也写过一篇文章，可以参考：Guava - 拯救垃圾代码
String str = "aabbccdd";
Iterable<String> iterable = Splitter.on("bc")
.omitEmptyStrings() // 忽略空值
.trimResults() // 过滤结果中的空白
.split(str);
iterable.forEach(System.out::println);
// 输出
aab
cdd
3. JDK String.split 方法
使用 String 中的 split 方法可以实现想要效果。
String str = "aabbccdd";
String[] res = str.split("bc");
for (String re : res) {
System.out.println(re);
}
// 输出
aab
cdd
但是 String 的 split 方法也有一些坑，比如下面的输出结果。
String str = ",a,,b,";
String[] splitArr = str.split(",");
Arrays.stream(splitArr).forEach(System.out::println);
// 输出
a
b
开头的逗号,前出现了空格，末尾的逗号,后却没有空格。
一如既往，文章中代码存放在 Github.com/niumoo/javaNotes.
<完>
文章持续更新，可以微信搜一搜「 程序猿阿朗 」或访问「程序猿阿朗博客 」第一时间阅读。本文 Github.com/niumoo/JavaNotes 已经收录，有很多知识点和系列文章，欢迎Star。