String也有长度限制吗？我懵了

前言

话说 Java 中 String 是有长度限制的，听到这里很多人不禁要问，String 还有长度限制？是的有，而且在 JVM 编译中还有规范，而且有的家人们在面试的时候也遇到了。

本人就遇到过面试的时候问这个的，而且在之前开发的中也真实地遇到过这个 String 长度限制的场景（将某固定文件转码成 Base64 的形式用字符串存储，在运行时需要的时候在转回来，当时文件比较大），那这个规范限制到底是怎么样的，咱们话不多说先䁖䁖去。

String

首先要知道 String 的长度限制我们就需要知道 String 是怎么存储字符串的，String 其实是使用的一个 char 类型的数组来存储字符串中的字符的。

存储 String 的容器原来是它

那么 String 既然是数组存储那数组会有长度的限制吗？是的有限制，但是是在有先提条件下的，我们看看 String 中返回 length 的方法。

String 类中的 length 方法

由此我们看到返回值类型是 int 类型，Java 中定义数组是可以给数组指定长度的，当然不指定的话默认会根据数组元素来指定：

int[] arr1 = new int[10]; // 定义一个长度为10的数组
int[] arr2 = {1,2,3,4,5}; // 那么此时数组的长度为5

整数在 java 中是有限制的，我们通过源码来看看 int 类型对应的包装类 Integer 可以看到，其长度最大限制为 2^31 -1，那么说明了数组的长度是 0~2^31-1，那么计算一下就是（2^31-1 = 2147483647 = 4GB）

Integer 的取值范围

看到这我们尝试通过编码来验证一下上述观点。

以字面量形式定义字符串

以上是我通过定义字面量的形式构造的 10 万个字符的字符串，编译之后虚拟机提示报错，说我们的字符串长度过长，不是说好了可以存 21 亿个吗？为什么才 10 万个就报错了呢？

其实这里涉及到了 JVM 编译规范的限制了，其实 JVM 在编译时，如果我们将字符串定义成了字面量的形式，编译时 JVM 是会将其存放在常量池中，这时候 JVM 对这个常量池存储 String 类型做出了限制，接下来我们先看下手册是如何说的。

java 虚拟机规范截图

常量池中，每个 cp_info 项的格式必须相同，它们都以一个表示 cp_info 类型的单字节 “tag” 项开头。后面 info[] 项的内容 由 tag 的类型所决定。

java 虚拟机规范手册常量类型表

我们可以看到 String 类型的表示是 CONSTANT_String ，我们来看下 CONSTANT_String 具体是如何定义的。

这里定义的 u2 string_index 表示的是常量池的有效索引，其类型是 CONSTANT_Utf8_info 结构体表示的，这里我们需要注意的是其中定义的 length 我们看下面这张图。

在 class 文件中 u2 表示的是无符号数占 2 个字节单位，我们知道 1 个字节占 8 位，2 个字节就是 16 位 ，那么 2 个字节能表示的范围就是 2^16- 1 = 65535 。范中 class 文件格式对 u1、u2 的定义的解释做了一下摘要：

这里对 java 虚拟机规摘要部分

1、class 文件中文件内容类型解释

定义一组私有数据类型来表示 Class 文件的内容，它们包括 u1，u2 和 u4，分别代 表了 1、2 和 4 个字节的无符号数。

每个 Class 文件都是由 8 字节为单位的字节流组成，所有的 16 位、32 位和 64 位长度的数 据将被构造成 2 个、4 个和 8 个 8 字节单位来表示。

2、程序异常处理的有效范围解释

start_pc 和 end_pc 两项的值表明了异常处理器在 code[] 数组中的有效范围。

start_pc 必须是对当前 code[] 数组中某一指令的操作码的有效索引，end_pc 要 么是对当前 code[] 数组中某一指令的操作码的有效索引，要么等于 code_length 的值，即当前 code[] 数组的长度。start_pc 的值必须比 end_pc 小。

当程序计数器在范围[start_pc, end_pc)内时，异常处理器就将生效。即设 x 为 异常句柄的有效范围内的值，x 满足：start_pc ≤ x < end_pc。

实际上，end_pc 值本身不属于异常处理器的有效范围这点属于 Java 虚拟机历史上 的一个设计缺陷：如果 Java 虚拟机中的一个方法的 code 属性的长度刚好是 65535 个字节，并且以一个 1 个字节长度的指令结束，那么这条指令将不能被异常处理器 所处理。

不过编译器可以通过限制任何方法、实例初始化方法或类初始化方法的code[]数组最大长度为 65534，这样可以间接弥补这个 BUG。

注意：这里对个人认为比较重要的点做了标记，首先第一个加粗说白了就是说数组有效范围就是【0-65565】但是第二个加粗的地方又解释了，因为虚拟机还需要 1 个字节的指令作为结束，所以其实真正的有效范围是【0-65564】，这里要注意这里的范围仅限编译时期，如果你是运行时拼接的字符串是可以超出这个范围的。

接下来我们通过一个小实验来测试一下我们构建一个长度为 65534 的字符串，看看是否就能编译通过。0 期阶段汇总

首先通过一个 for 循环构建 65534 长度的字符串，在控制台打印后，我们通过自己度娘的一个在线字符统计工具计算了一下确实是 65534 个字符，如下：

然后我们将字符复制后以定义字面量的形式赋值给字符串，可以看到我们选择这些字符右下角显示的确实是 65534，于是乎运行了一波，果然成功了。

看到这里我们来总结一下：

问：字符串有长度限制吗？是多少？

答：首先字符串的内容是由一个字符数组 char[] 来存储的，由于数组的长度及索引是整数，且 String 类中返回字符串长度的方法 length() 的返回值也是 int ，所以通过查看 java 源码中的类 Integer 我们可以看到 Integer 的最大范围是 2^31 -1, 由于数组是从 0 开始的，所以数组的最大长度可以使【0~2^31】通过计算是大概 4GB。

但是通过翻阅 java 虚拟机手册对 class 文件格式的定义以及常量池中对 String 类型的结构体定义我们可以知道对于索引定义了 u2，就是无符号占 2 个字节，2 个字节可以表示的最大范围是 2^16 -1 = 65535。

其实是 65535，但是由于 JVM 需要 1 个字节表示结束指令，所以这个范围就为 65534 了。超出这个范围在编译时期是会报错的，但是运行时拼接或者赋值的话范围是在整形的最大范围。

来源：r6d.cn/Fmku