Java：具有长类型参数的 String.substring()

Posted 2023-02-26

【中文标题】Java：具有长类型参数的 String.substring()

【英文标题】：Java: String.substring() with long type parameters

【发布时间】：2011-04-16 05:21:25

【问题描述】：

我有一个大字符串（更准确地说是 RSS 文章），我想在特定的 startIndex 和 endIndex 中获取单词。 String 提供了 substring 方法，但仅使用 int 作为其参数。我的开始和结束索引是 long 类型。

使用 long 类型的开始和结束索引从字符串中获取单词的最佳方法是什么？

我的第一个解决方案是开始修剪字符串并将其取下，以便我可以使用整数。不喜欢它要去的地方。然后我查看了Apache Commons Lang，但没有找到任何东西。有什么好的解决办法吗？

谢谢。

---

更新：

只是为了提供更多信息。

我正在使用一个名为General Architecture for Text Engineering (GATE) 的工具，它扫描一个字符串并返回一个注释列表。注释包含一个单词的类型（Person、Location 等）以及该单词的开始和结束索引。

对于 RSS，我使用 ROME，它读取 RSS 提要并在字符串中包含文章正文。

【问题讨论】：

为什么不分块读取数据集并使用常规子字符串（int，int）？

出于好奇，这些字符串到底有多大？

你真的得到了 8 GB 的 RSS 文章吗？？

@Sagar 是的，我也想过。但我想也许有更好的方法（不确定到底有多好：P）。

@Pointy & @Roman :S 我从来没有想过要实际计算大小，但问题是，我使用一个库来扫描文本并为我提供某些单词的索引（不是实际单词！）。这些索引的类型为 long。我很确定它没有那么大......

【参考方案1】：

在 String 上执行此操作毫无意义，因为 String 可以容纳 2^31 - 1 个字符。在内部，字符串的字符保存在 char[] 中，所有 API 方法都使用 int 作为长度、位置和偏移量的类型。

适用于 StringBuffer 或 StringBuilder 的相同限制；即int 长度。 StringReader 由 String 支持，因此无济于事。 CharBuffer 和 ByteBuffer 有相同的限制；即int 长度。 原始类型的裸数组限制为 int 长度。

简而言之，您将不得不实现自己的“长字符串”类型，该类型在内部将其字符保存在（例如）一个字符数组的数组中。

（我尝试了谷歌搜索，但我找不到看起来可信的长字符串的现有实现。我想在 Java 中没有太多对大字符串的调用......）

顺便说一句，如果您预计字符串永远不会这么大，您应该将long 偏移量转换为int。强制转换可以工作，但您可能需要检查范围并在获得偏移量 >= 2^31 时抛出异常。

【参考方案2】：

String 由 char[] 支持，并且数组只能使用 ints 进行索引（因此只能容纳 2³¹ 个字符）。如果您有long 索引，只需将它们转换为ints - 如果它们大于Integer.MAX_VALUE，则您的程序已损坏。

【参考方案3】：

您最好使用java.io.Reader。该类支持skip(long n) 和read(char[] cbuf) 方法。但请注意，它们返回long（跳过/读取了多少字节），因此您需要循环调用这些方法。

【参考方案4】：

可能最好不要使用String，而是使用StringReader。

【讨论】：

嗯...我知道 StringBuffer 和 StringBuilder，但从未听说过 StringReader。请问可以展开吗？我没有看到任何子字符串方法。