Unterschied zwischen den Methoden String trim() und strip() in Java 11

Neben anderen Änderungen führt JDK 11 6 neue Methoden für die Klasse java.lang.String ein:

• repeat(int) – Wiederholt den String so oft wie von angegeben int Parameter
• lines() – Verwendet einen Spliterator, um Zeilen aus der Quellzeichenfolge träge bereitzustellen
• isBlank() – Gibt an, ob der String leer ist oder nur Leerzeichen enthält
• stripLeading() – Entfernt den Leerraum vom Anfang
• stripTrailing() – Entfernt den Leerraum am Ende
• strip() – Entfernt den Leerraum sowohl am Anfang als auch am Ende der Zeichenfolge

Bestimmtes, strip() sieht sehr ähnlich aus trim(). Gem Dieser Beitrag strip*() Methoden sind darauf ausgelegt:

Die Methoden String.strip(), String.stripLeading() und String.stripTrailing() schneiden Leerzeichen ab [as determined by Character.isWhiteSpace()]
entweder die Vorderseite, die Rückseite oder sowohl die Vorder- als auch die Rückseite des Zielstrings.

String.trim() JavaDoc sagt:

/**
  * Returns a string whose value is this string, with any leading and trailing
  * whitespace removed.
  * ...
  */

Das ist fast identisch mit dem obigen Zitat.

Was genau ist der Unterschied zw String.trim() und String.strip() seit Java11?

Zusamenfassend: strip() ist eine “Unicode-fähige” Evolution von trim(). Bedeutung trim() entfernt nur Zeichen <= U+0020 (Leerzeichen); strip() entfernt alle Unicode-Leerzeichen (aber nicht alle Steuerzeichen wie \0)

CSR: JDK-8200378

Problem

String::trim existiert seit den Anfängen von Java, als Unicode

hatte sich noch nicht vollständig zu dem Standard entwickelt, den wir heute weit verbreitet verwenden.

Die von String::trim verwendete Definition des Leerzeichens ist jeder Codepunkt kleiner oder gleich dem Leerzeichencodepunkt (\u0020), der allgemein als ASCII- oder ISO-Steuerzeichen bezeichnet wird.

Unicode-fähige Trimmroutinen sollten Character::isWhitespace(int) verwenden.

Darüber hinaus waren Entwickler nicht in der Lage, Einrückungsleerzeichen oder nachgestellte Leerzeichen spezifisch zu entfernen.

Lösung

Führen Sie Trimmmethoden ein, die Unicode-Leerzeichen berücksichtigen und zusätzliche Kontrolle über nur führende oder nur nachfolgende Elemente bieten.

Ein gemeinsames Merkmal dieser neuen Methoden ist, dass sie eine andere (neuere) Definition von “Leerraum” verwenden als alte Methoden wie z String.trim(). Insekt JDK-8200373.

Das aktuelle JavaDoc für String::trim macht nicht deutlich, welche Definition von “Leerzeichen” im Code verwendet wird. Da in naher Zukunft weitere Trimmmethoden hinzukommen, die eine andere Raumdefinition verwenden, ist eine Klärung zwingend erforderlich. String::trim verwendet die Definition von Leerzeichen als jeden Codepunkt, der kleiner oder gleich dem Leerzeichen-Codepunkt (\u0020) ist. Neuere Trimmmethoden verwenden die Definition von (Leer-)Leerzeichen als jeden Codepunkt, der wahr zurückgibt, wenn er an übergeben wird Character::isWhitespace-Prädikat.

Die Methode isWhitespace(char) wurde hinzugefügt Character mit JDK 1.1, aber die Methode isWhitespace(int) wurde nicht eingeführt Character Klasse bis JDK 1.5. Die letztere Methode (diejenige, die einen Parameter vom Typ akzeptiert int) wurde hinzugefügt, um ergänzende Zeichen zu unterstützen. Die Javadoc-Kommentare für die Character Klasse definieren ergänzende Zeichen (normalerweise mit int-basiertem “Codepunkt” modelliert) im Vergleich zu BMP-Zeichen (normalerweise mit einem einzelnen Zeichen modelliert):

Der Zeichensatz von U+0000 bis U+FFFF wird manchmal als Basic Multilingual Plane (BMP) bezeichnet. Zeichen, deren Codepunkte größer als U+FFFF sind, werden ergänzende Zeichen genannt. Die Java-Plattform verwendet die UTF-16-Darstellung in Char-Arrays und in den Klassen String und StringBuffer. In dieser Darstellung werden ergänzende Zeichen als ein Paar Zeichenwerte dargestellt … Ein Zeichenwert repräsentiert daher BMP-Codepunkte (Basic Multilingual Plane), einschließlich der Ersatzcodepunkte, oder Codeeinheiten der UTF-16-Codierung. Ein int-Wert stellt alle Unicode-Codepunkte dar, einschließlich zusätzlicher Codepunkte. … Die Methoden, die nur einen Zeichenwert akzeptieren, können keine zusätzlichen Zeichen unterstützen. … Die Methoden, die einen int-Wert akzeptieren, unterstützen alle Unicode-Zeichen, einschließlich ergänzender Zeichen.

OpenJDK Änderungssatz.

Benchmark-Vergleich zw trim() und strip() – Warum ist String.strip() 5-mal schneller als String.trim() für leere Zeichenfolgen in Java 11

Hier ist ein Komponententest, der die Antwort von @MikhailKholodkov unter Verwendung von Java 11 veranschaulicht.

(Beachten Sie, dass \u2000 befindet sich über \u0020 und nicht als Leerzeichen betrachtet trim())

public class StringTestCase {
    @Test
    public void testSame() {
        String s = "\t abc \n";

        assertEquals("abc", s.trim());
        assertEquals("abc", s.strip());
    }

    @Test
    public void testDifferent() {
        Character c="\u2000";
        String s = c + "abc" + c;

        assertTrue(Character.isWhitespace(c));
        assertEquals(s, s.trim());
        assertEquals("abc", s.strip());
    }
}

Im Allgemeinen entfernen beide Methoden führende und nachgestellte Leerzeichen aus der Zeichenfolge. Der Unterschied kommt jedoch, wenn wir mit Unicode-Zeichen oder mehrsprachigen Funktionen arbeiten.

trim() entfernt alle führenden und abschließenden Zeichen dessen ASCII-Wert kleiner oder gleich 32 ist (‘U+0020’ oder Leerzeichen).

Gemäß Unicode-Standards gibt es verschiedene Leerzeichen mit einem ASCII-Wert von mehr als 32(‘U+0020’). Beispiel: 8193(U+2001).

Um diese Leerzeichen zu identifizieren, wurde die neue Methode isWhitespace(int) von Java 1.5 in der Character-Klasse hinzugefügt. Diese Methode verwendet Unicode, um Leerzeichen zu identifizieren. Sie können mehr über Unicode-Leerzeichen lesen Hier.

Neuer Methodenstreifen, der in Java 11 hinzugefügt wird Verwenden Sie diese Character.isWhitespace(int)-Methode, um eine breite Palette von Leerzeichen abzudecken und entfernen Sie sie.

Beispiel

public class StringTrimVsStripTest {
    public static void main(String[] args) {
        String string = '\u2001'+"String    with    space"+ '\u2001';
        System.out.println("Before: \"" + string+"\"");
        System.out.println("After trim: \"" + string.trim()+"\"");
        System.out.println("After strip: \"" + string.strip()+"\"");
   }
}

Ausgabe

Before: "  String    with    space  "
After trim: " String    with    space "
After strip: "String    with    space"

Notiz: Wenn Sie auf einem Windows-Computer arbeiten, können Sie die ähnliche Ausgabe aufgrund des begrenzten Unicode-Satzes möglicherweise nicht sehen. Sie können einige Online-Compiler zum Testen dieses Codes ausprobieren.

Hinweis: Unterschied zwischen Trim- und Strip-Methode java

Ein Beispiel, bei dem strip() und trim() unterschiedliche Ergebnisse liefern:

  String s = "test string\u205F";
  String striped = s.strip();
  System.out.printf("'%s'%n", striped);//'test string'

  String trimmed = s.trim();
  System.out.printf("'%s'%n", trimmed);//'test string '