Java 中字符串的最大长度 - 调用 length() 方法

Question

在Java 中，参考length()方法调用， String对象可能具有的最大大小是多少？

我知道length()将String的大小作为char [] ；

Answer 1

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为Integer.MAX_VALUE ，即2^31 - 1 （或大约 20 亿）。

在数组的长度和索引方面，（例如char[] ，这可能是为String s 实现内部数据表示的方式），第 10 章： Java 语言规范的数组，Java SE 7 版说如下：

数组中包含的变量没有名称； 相反，它们由使用非负整数索引值的数组访问表达式引用。 这些变量称为数组的组件。 如果一个数组有n分量，我们说n是数组的长度； 使用从0到n - 1整数索引引用数组的组件。

此外，索引必须是int值，如第 10.4 节所述：

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，可能会有其他限制，例如数组的最大可分配大小。

Answer 2

java.io.DataInput.readUTF()和java.io.DataOutput.writeUTF(String)表示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的 UTF-8表示表示。 这得出结论，当与DataInput和DataOutput一起使用时，String 的长度受字符串的修改后的 UTF-8 表示的字节数限制。

另外，Java虚拟机规范中CONSTANT_Utf8_info规范定义了如下结构。

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（例如String.length() ）的返回类型是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，选择int只是出于性能原因。 Java 语言规范说，大小小于int的int在计算之前会转换为int （如果我没记错的话），这也是在没有特殊原因时选择int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，如果要使用带有DataInput和DataOutput接口的String对象，最好避免使用太长的String对象。 当我实现DataInput.readUTF()和DataOutput.writeUTF(String) Objective-C 等价物时，我发现了这个限制。

Answer 3

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。

Answer 4

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 我不知道为什么我的StringBuilder在1207959550达到最大值，而我的char[]在 (2^31)-3 达到最大值。 似乎AbstractStringBuilder将其内部char[]的大小加倍以增大它，因此这可能会导致问题。

Answer 5

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中的原始数据类型int是4个字节（32位）。由于1位（MSB）用作符号位，范围被限制在-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。

Answer 6

显然它绑定到一个整数，即 0x7FFFFFFF (2147483647)。

Answer 7

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​​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;
      }
    }
   ...
}

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。 而不是char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。