Java字符串截取技巧：substring与split详解

本文深入剖析Java中字符串截取与拆分的核心方法substring和split，直击开发者高频踩坑点：substring下标越界即抛StringIndexOutOfBoundsException，严格要求索引范围且不支持负数偏移；split本质是正则匹配，特殊字符如"."、"|"必须转义，空结尾项默认丢失，性能远低于substring；更关键的是，二者在处理emoji、中文等Unicode扩展字符时均存在陷阱——substring按UTF-16码元切分易导致代理对断裂，split则无法正确识别图形单位（grapheme cluster），推荐使用BreakIterator或专业Unicode工具替代。文章兼顾原理、陷阱与实操建议，助你写出健壮、高效、国际化的字符串处理代码。

substring 截取时下标越界会直接抛异常

Java 的 substring 不做容错，传错索引就炸——StringIndexOutOfBoundsException 是最常见报错。它只认两个参数：beginIndex 和可选的 endIndex，且必须满足 0 ≤ beginIndex ≤ endIndex ≤ string.length()。

实操建议：

• beginIndex 为负数？直接挂，别指望自动转成从末尾算起
• 想取后 3 个字符？别写 str.substring(-3)，得用 str.substring(Math.max(0, str.length() - 3))
• endIndex 超出长度？哪怕只超 1，也崩，不是静默截断
• 空字符串调 substring(0, 0) 没问题，但 substring(1) 就崩

split 用正则时“点号”“竖线”要转义

split 接收的是正则表达式，不是普通字符串。所以看似简单的分隔符，比如 "."、"|"、"+"、"*"，不加反斜杠就匹配整个字符串或报错。

实操建议：

• 按英文句号切？写 str.split("\\.")，不是 str.split(".")
• 按竖线切？写 str.split("\\|")，否则会把字符串拆成单个字符（因为 | 在正则里是“或”）
• 想按多个空白字符（空格、制表、换行）统一拆？用 str.split("\\s+")，比手写 "\\s\\s*" 更稳
• 注意：空结尾项默认被丢弃，"a,b,".split(",") 返回长度为 2 的数组，不是 3；加负数参数可保留，如 .split(",", -1)

substring 和 split 性能差异大，别在循环里乱用

substring 是 O(1) 时间复杂度（JDK 7u6 之后已不共享底层 char[]），而 split 每次都要编译正则、遍历匹配、新建数组和字符串对象，开销明显更高。

实操建议：

• 只要取固定位置子串，比如前 5 位或后 8 位，无脑用 substring，别为了“统一风格”硬套 split
• 如果分隔符是单字符且不涉及正则逻辑（比如纯逗号），考虑用 StringTokenizer 或手动遍历 + indexOf，比 split 快一倍以上
• 高频调用场景（如日志解析、协议解包），提前编译正则 Pattern 复用，别每次都走 split 字符串重编译

中文、emoji、代理对 substring 没影响，但 split 可能踩坑

substring 按 char index 切，而 Java String 是 UTF-16 编码，一个 emoji（如 ?）占两个 char（代理对）。这时候 substring(0, 1) 会切出半个 emoji，显示为 。

实操建议：

• 需要按“用户感知的字符”切？别用 substring，改用 java.text.BreakIterator 或第三方库如 Apache Commons Text 的 UnicodeUtils
• split 对 emoji 分隔符本身没特殊处理，但如果你用 split("?")，只要字符串里真有这个字符，就能正常切；不过要注意某些 emoji 是组合序列（如 ?‍?），不能简单当单字符匹配
• 处理国际化文本时，优先以语义单位（grapheme cluster）为操作目标，而不是 raw char 或 code point —— 这点容易被忽略，尤其在做前端输入限制或后端字段截断时

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于文章的相关知识，也可关注golang学习网公众号。