Java中字符串的最大长度-调用length（）方法

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

我知道length()返回a的大小String为char []；

考虑到String该类的length方法返回an int，则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（例如char[]，这可能是内部数据表示的实现方式String），Java SE 7版的《 Java语言规范》的第10章：数组表示以下内容：

数组中包含的变量没有名称。而是由使用非负整数索引值的数组访问表达式引用它们。这些变量称为数组的 组件。如果一个数组有n分量，那么我们说的n是数组的 长度。数组的组成部分使用从0到的整数索引n - 1（含）进行引用。

此外，int如第10.4节所述，索引必须按值进行：

数组必须按int值建立索引；

因此，似乎限制确实是2^31 - 1，因为这是非负值的int最大值。

但是，可能还会有其他限制，例如数组的最大可分配大小。

java.io.DataInput.readUTF()并java.io.DataOutput.writeUTF(String)说一个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表示形式表示。由此得出结论，当与DataInput和一起使用时，字符串的长度受字符串的修改后的UTF-8表示形式的字节数限制DataOutput。

另外，在Java虚拟机规范中CONSTANT_Utf8_info找到的规范将结构定义如下。

CONSTANT_Utf8_info {
    u1 tag;
    u2 length;
    u1 bytes[length];
}

您会发现'length'的大小是两个字节。

某种方法（例如String.length()）的返回类型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，int仅出于性能原因选择它们。Java语言规范指出，大小小于的整数int会int在计算之前转换为整数（如果我的内存正确地服务于我），这int是没有特殊原因时选择的原因之一。

编译时的最大长度最多为65536。再次注意，该长度是修改后的UTF-8表示形式的字节数，而不是String对象中的字符数。

String对象可能在运行时具有更多字符。但是，如果要String与DataInput和DataOutput接口一起使用对象，最好避免使用太长的String对象。我发现这个限制时我实现的目标C当量DataInput.readUTF()和DataOutput.writeUTF(String)。

由于必须使用整数对数组进行索引，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。

我有一台具有8GB RAM的2010 iMac，运行带有Java 1.8.0_25的Eclipse Neon.2版本（4.6.2）。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：

Requested array size exceeds VM limit
1207959550

因此，似乎最大数组大小为〜1,207,959,549。然后我意识到我们实际上并不关心Java是否会耗尽内存：我们只是在寻找最大的数组大小（这似乎是某个地方定义的常量）。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

因此，似乎最大值是Integer.MAX_VALUE-2或（2 ^ 31）-3

StringBuilder附言：我不确定为什么我在（2 ^ 31）-3 1207959550时char[]达到最大值。似乎将AbstractStringBuilder其内部的大小加倍以char[]使其生长，所以可能导致了问题。

显然，它绑定到一个整数，即0x7FFFFFFF（2147483647）。

String类的length（）方法的Return类型是int。

public int length（）

请参阅http://docs.oracle.com/javase/7/docs/api/java/lang/String.html#length（）

所以int的最大值是2147483647。

字符串在内部被视为char数组，因此在最大范围内完成了索引。这意味着我们无法索引第2147483648号成员，因此java中String的最大长度为2147483647。

在Java中，原始数据类型int是4个字节（32位）。由于将1位（MSB）用作符号位，因此范围限制在-2 ^ 31至2 ^ 31-1（-2147483648至2147483647）之内。我们不能使用负值进行索引，因此显然可以使用的范围是0到2147483647。

正如川崎隆彦的答案中提到的那样，java以修改后的UTF-8形式表示Unicode字符串，而在JVM-Spec CONSTANT_UTF8_info Structure中，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字节码库的putUTF8method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，它将调用encodeUTF8method：

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指望
你可以找到JVM的改性Unicode代码点范围，从上面的UTF8结构的链接。