Java中字符串的最大长度-调用length()方法答案

【问题标题】：String's Maximum length in Java - calling length() methodJava中字符串的最大长度-调用length()方法
【发布时间】：2010-10-23 09:38:52
【问题描述】：

在 Java 中，String 对象的最大大小是多少，参考 length() 方法调用？

我知道length() 将String 的大小返回为char []；

【问题讨论】：

虽然 String 的长度理论上是 Integer.MAX_VALUE，但源中字符串文字的长度似乎仅限于 UTF-8 数据的 65535 bytes。

标签： java string

【解决方案1】：

考虑到String 类的length 方法返回int，该方法将返回的最大长度为Integer.MAX_VALUE，即2^31 - 1（或大约20 亿）。

在数组的长度和索引方面，（如char[]，这可能是Strings内部数据表示的实现方式），The Java Language Specification, Java SE 7 Edition的Chapter 10: Arrays表示如下：

数组中包含的变量没有名字；相反，他们是由数组访问表达式引用使用非负整数索引价值观。这些变量称为数组的组件。如果一个数组有n 组件，我们说n 是数组的长度；的组成部分使用整数引用数组从0 到n - 1 的索引，包括在内。

此外，索引必须按int 值，如Section 10.4 中所述：

数组必须由int 值索引；

因此，限制似乎确实是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。

【讨论】：

Integer.MAX_VALUE 实际上是 2^31-1。 :)
很好的回答人！我看了一下String.java源码，没错，'count'是int变量，它返回char数组的长度，char数组存储在'value'变量上（如char[]），意思是字符串大小可能在 2GB 左右。当然，分配这样的内存大小可能会受到限制。谢谢！
我刚刚尝试在一个长于 65546 的 hello world java 程序中定义一个字符串文字。javac 给出了一个关于该文字太长的错误：javac HelloWorld.java 2>&1|head -c 80 HelloWorld.java:3: constant string too long
@dlamblin：这听起来像是javac 对String literals 的限制（不是String 对象），因为我找不到任何关于大小限制的参考String Java 语言规范和 JVM 规范中的文字。我尝试制作大于 100,000 个字符的 String 文字，Eclipse 编译器在编译它时没有问题。（并且运行程序能够显示文字的 String.length 大于 100,000。）
@Premraj 那是三年前的事了，所以我不得不考虑一下。 ;) 我的意思是；要构建最大大小的字符串，您需要大量内存，可能比您拥有的更多。每个字符需要两个字节 ~ 4GB，但你需要从 StringBuilder 或 char[] 构建它，这意味着你首先需要每个字符另外两个字节来创建它，即另一个 ~ 4 GB（至少暂时）

【解决方案2】：

@987654321@ 和@987654322@ 表示String 对象由两个字节 的长度信息和modified UTF-8 中的每个字符表示细绳。由此得出结论，当与DataInput 和DataOutput 一起使用时，String 的长度受到字符串的修改后的 UTF-8 表示的字节数的限制。

另外，Java虚拟机规范中的The specification of CONSTANT_Utf8_info定义结构如下。

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 只是出于性能原因。 Java 语言规范说，大小小于int 的整数在计算前会转换为int（如果我没记错的话），这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。再次注意，长度是 modified 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，如果您想将String 对象与DataInput 和DataOutput 接口一起使用，最好避免使用太长的String 对象。我在实现 DataInput.readUTF() 和 DataOutput.writeUTF(String) 的 Objective-C 等效项时发现了这个限制。

【讨论】：

这应该是默认答案。

【解决方案3】：

由于数组必须使用整数进行索引，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保存该大小的数组。

【讨论】：

【解决方案4】：

我有一台 2010 年的 iMac，内存为 8GB，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());

打印出来：

Requested array size exceeds VM limit
1207959550

因此，最大数组大小似乎约为 1,207,959,549。然后我意识到我们实际上并不关心 Java 是否内存不足：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);
    }
}

哪些打印：

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

所以，最大值似乎是 Integer.MAX_VALUE - 2，或 (2^31) - 3

附：我不知道为什么我的StringBuilder 达到了1207959550 而我的char[] 达到了(2^31)-3。似乎AbstractStringBuilder 将其内部char[] 的大小翻了一番以使其增长，因此这可能会导致问题。

【讨论】：

一个非常实用的问题处理方法

【解决方案5】：

显然它绑定到一个 int，即 0x7FFFFFFF (2147483647)。

【讨论】：

【解决方案6】：

String类的length()方法的返回类型为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 内部被认为是 char 数组，所以索引是在最大范围内完成的。这意味着我们无法索引第 2147483648 个成员。所以 java 中 String 的最大长度是 2147483647。

原始数据类型int在java中是4字节（32位）。由于1位（MSB）用作符号位，范围限制在-2^31到2^31-1（-2147483648 到 2147483647）。我们不能使用负值进行索引。所以显然我们可以使用的范围是从 0 到 2147483647。

【讨论】：

【解决方案7】：

正如Takahiko Kawasaki's answer 中提到的，java 以modified UTF-8 的形式表示Unicode 字符串，而在JVM-Spec CONSTANT_UTF8_info Structure 中，为长度分配了2 个字节（而不是String 的字符数）。
为了扩展答案，ASM jvm bytecode 库的 putUTF8 method 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);
      }
    }
    ...
}

但是当码点映射>1byte时，它调用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 计数
您可以从上面的 utf8 结构链接中找到 JVM 修改后的 Unicode 代码点范围。

【讨论】：