JavaSE基础-Java字符串转整数与拼接实战指南

JavaSE基础-Java字符串转整数与拼接实战指南

目录

Java 核心知识点:字符串转整数与字符串相加

一、 字符串转整形数字

1.1 精简版(快速上手)

1.2 详细版(机制与陷阱)

1.3 关键陷阱总结表

二、 字符串相加

2.1 精简版(性能核心)

2.2 详细版(编译器优化与陷阱)

2.3 性能选择决策树

💡 一句话总结


本文总结Java中字符串转整数和字符串相加的核心知识点:1. 字符串转整数:推荐使用Integer.parseInt()方法,需注意处理NumberFormatException异常,对带空格的字符串要先trim(),大数值可使用Long.parseLong()或BigInteger。2. 字符串相加:编译期常量可使用+运算符(会被优化),但循环中必须使用StringBuilder以避免性能问题(性能差距可达200倍),多线程场景用StringBuffer,分隔符连接推荐String.join()。3. 关键陷阱:包括字符串转数字时的空值处理、进制转换问题,以及字符串拼接的性能优化策略。


Java 核心知识点:字符串转整数与字符串相加

一、 字符串转整形数字

1.1 精简版(快速上手)

Java

// 方式1:最常用(返回基本类型 int) String str = "123"; int num = Integer.parseInt(str); // 123 // 方式2:返回包装类(有缓存优化) Integer numObj = Integer.valueOf(str); // Integer 对象 // 异常处理(必加!) try { int badNum = Integer.parseInt("abc"); // 抛出 NumberFormatException } catch (NumberFormatException e) { System.out.println("不是有效数字"); } // 进制转换(如十六进制) int hex = Integer.parseInt("FF", 16); // 255 

1.2 详细版(机制与陷阱)

Java

public class StringToIntDemo { public static void main(String[] args) { // ========== 1. 核心方法对比 ========== // 【parseInt】返回基本类型 int,适合计算 // 内部逻辑:逐个字符解析,遇到非数字立即抛异常 int a = Integer.parseInt("100"); // 十进制 100 int b = Integer.parseInt("100", 8); // 八进制 100 = 64(十进制) int c = Integer.parseInt("100", 16); // 十六进制 100 = 256(十进制) // 【valueOf】返回 Integer 包装类,有缓存优化(-128~127) // 内部实际调用 parseInt,但会走缓存池 Integer obj1 = Integer.valueOf("100"); Integer obj2 = Integer.valueOf("100"); System.out.println(obj1 == obj2); // true(缓存命中,同一对象) // 【decode】支持 0x/0X/0/# 前缀自动识别进制 int d = Integer.decode("0xFF"); // 255(自动识别十六进制) int e = Integer.decode("#FF"); // 255(#也是十六进制标记) int f = Integer.decode("010"); // 8(0开头识别为八进制) // ========== 2. 异常处理(生产环境必看) ========== String risky = " 123 "; // 带空格 try { // 【陷阱1】前后空格会导致解析失败 int fail = Integer.parseInt(risky); // NumberFormatException // 【正确做法】先 trim int success = Integer.parseInt(risky.trim()); // 123 // 【陷阱2】空字符串和 null // Integer.parseInt(""); // NumberFormatException(空串) // Integer.parseInt(null); // NullPointerException(注意:不是 NumberFormatException!) } catch (NumberFormatException ex) { // 【最佳实践】记录日志并给出默认值或终止流程 System.err.println("非法数字格式:" + ex.getMessage()); int defaultVal = 0; } // ========== 3. 大数与边界 ========== // 【陷阱3】超出 int 范围(-2147483648 ~ 2147483647) // Integer.parseInt("2147483648"); // NumberFormatException(超出上限) // 【解决方案】用 Long long big = Long.parseLong("2147483648"); // 【解决方案】更大用 BigInteger(任意精度) java.math.BigInteger huge = new java.math.BigInteger("99999999999999999999"); } } 

1.3 关键陷阱总结表

输入字符串结果原因
"123"✅ 123标准十进制
" 123 "❌ 异常含空格,必须先 trim()
""❌ 异常空字符串无法解析
nullNPE非 NumberFormatException,需提前判空
"0xFF"❌ 异常parseInt 不认识前缀,用 decode 或指定 radix=16
"123.45"❌ 异常含小数点,应先用 Double.parseDouble 再转 int

二、 字符串相加

2.1 精简版(性能核心)

Java

// 方式1:+ 运算符(编译期常量优化) String s = "Hello" + " " + "World"; // 编译后直接为 "Hello World" // 方式2:循环中禁用 +(会产生大量临时对象) String; for (int i = 0; i < 100; i++) { result += i; // 每次循环都创建新的 StringBuilder 和 String 对象,极慢! } // 方式3:StringBuilder(单线程推荐) StringBuilder sb = new StringBuilder(); for (int i = 0; i < 100; i++) { sb.append(i); } String result = sb.toString(); // 方式4:String.join(Java 8+,连接多个字符串) String joined = String.join("-", "2024", "02", "23"); // "2024-02-23" 

2.2 详细版(编译器优化与陷阱)

Java

public class StringConcatDemo { public static void main(String[] args) { // ========== 1. 编译期优化(常量折叠) ========== // 【常量折叠】编译器在编译阶段直接计算出结果 String a = "Hello" + " " + "World"; // 编译后:String a = "Hello World"; // 【陷阱】变量参与时无法优化 String b = "Hello"; String c = b + " World"; // 编译后实际是:new StringBuilder().append(b).append(" World").toString() // ========== 2. 运行时拼接的本质(StringBuilder) ========== // 反编译后等价代码: // String temp = new StringBuilder().append(b).append(" World").toString(); // ========== 3. 循环中的致命陷阱 ========== // 【低效代码】O(n²) 复杂度,创建 n 个 StringBuilder 和 n 个 String 对象 String; for (int i = 0; i < 1000; i++) { bad += i; // 每次循环:new StringBuilder -> append -> toString } // 【高效代码】O(n) 复杂度,只创建一个 StringBuilder StringBuilder good = new StringBuilder(1000); // 预估容量,避免扩容 for (int i = 0; i < 1000; i++) { good.append(i); } String result = good.toString(); // 【性能对比】10000次拼接: // String+ 耗时:约 200-500ms // StringBuilder 耗时:约 1-2ms (差距200倍以上!) // ========== 4. 其他拼接方式 ========== // 【concat】String 自带方法,内部使用数组复制,比 + 快但不如 StringBuilder String s1 = "Hello".concat(" ").concat("World"); // 【join】Java 8 新增,适合用分隔符合并多个字符串 String[] parts = {"Java", "Python", "C++"}; String lang = String.join("、", parts); // "Java、Python、C++" // 【formatted】Java 15+ String info = "姓名:%s,年龄:%d".formatted("张三", 20); // 【StringJoiner】Java 8,适合构造带前后缀的字符串(如 SQL) java.util.StringJoiner joiner = new java.util.StringJoiner(", ", "[", "]"); joiner.add("A").add("B").add("C"); System.out.println(joiner.toString()); // [A, B, C] } } 

2.3 性能选择决策树

  • 需要拼接字符串?
    ├── 编译期常量(如 "a" + "b")→ 直接用 +(编译器优化)
    ├── 单线程运行时拼接
    │   ├── 次数 < 5 → 用 +(可读性好,性能可接受)
    │   └── 次数 ≥ 5 或循环中 → 用 StringBuilder
    ├── 多线程共享变量拼接 → 用 StringBuffer(线程安全)
    └── 需要分隔符连接多个字符串 → 用 String.join

💡 一句话总结

字符串转数字用 parseInt 要防 NumberFormatException 和空值;字符串相加在循环中必须用 StringBuilder,否则性能灾难。常量折叠让 "a"+"b" 在编译期就变成 "ab",但变量相加会在运行时走 StringBuilder

Read more

[科研实践] VS Code (Copilot) + Overleaf (使用 Overleaf Workshop 插件)

[科研实践] VS Code (Copilot) + Overleaf (使用 Overleaf Workshop 插件)

科研圈写文档常用 Latex 环境,尤其是 Overleaf 它自带的 AI 润色工具 Writefull 太难用了。如果能用本地的 CoPilot / Cursor 结合 Overleaf,那肯定超高效! 于是我们找到了 VS Code 里的 Overleaf Workshop 插件。这里已经安装好了,没装过的同学可以直接点击 “安装” 安装后左边会出现 Overleaf Workshop 的图标: 点击右边的“+”: Overleaf 官网需要登录,这里我们通过 cookie 调用已登录账号的 API: 回到主界面,右键点击 “检查”: 打开检查工具后,找到 “网络”(Network)窗口,搜索 “/project” /project 如果首次加载没内容,刷新页面就能看到

By Ne0inhk

OpenAI Whisper语音识别本地部署指南:从零构建高效转录系统

OpenAI Whisper语音识别本地部署指南:从零构建高效转录系统 【免费下载链接】whisper-base.en 项目地址: https://ai.gitcode.com/hf_mirrors/openai/whisper-base.en 在人工智能技术快速发展的今天,语音识别已成为人机交互的重要桥梁。OpenAI Whisper作为业界领先的语音识别模型,其在多语言识别和准确率方面表现卓越。本指南将详细阐述如何在本地环境中完整部署Whisper语音识别系统,涵盖系统准备、模型部署、性能优化等关键环节。 系统准备与依赖管理 构建稳定的语音识别环境需要从基础组件开始。系统环境的完整性直接关系到后续模型运行的稳定性和效率。 硬件与软件环境要求 硬件配置基准: * 内存容量:最低8GB,推荐16GB以上 * 处理器架构:支持AVX2指令集的x86-64处理器 * 存储空间:至少10GB可用空间用于模型文件 * 图形处理器:可选NVIDIA GPU(CUDA 11.0+)以加速推理 软件依赖组件: * Python环境:3.8及以上版本,推荐3.10稳定版

By Ne0inhk

Llama-Factory训练进度条卡住?常见问题排查手册

Llama-Factory训练进度条卡住?常见问题排查手册 在大模型落地越来越依赖微调的今天,一个看似不起眼的问题——训练进度条不动了,却常常让开发者陷入焦虑。明明进程没崩、日志还在刷,GPU利用率也正常,可WebUI上的进度条就是一动不动,像极了“假死”。这种情况到底是不是真卡?要不要重启?会不会丢数据? 如果你正在用 Llama-Factory 做模型微调,并且被这类问题困扰过,那你并不孤单。这个框架虽然大大降低了大模型定制的门槛,但其背后的复杂性并未消失,只是被封装得更友好而已。当“表面平静”之下暗流涌动时,我们需要的不是盲目重试,而是深入运行机制去定位根因。 Llama-Factory 的核心价值在于它把原本需要写一堆脚本、配一堆参数的大模型微调流程,变成了一键启动的可视化操作。支持上百种主流模型架构,集成 LoRA、QLoRA、全参微调等多种策略,还能通过 WebUI 实时查看 loss 曲线和显存占用。听起来很完美,对吧? 可一旦训练“卡住”,这种抽象反而成了障碍:你不知道是数据加载慢、显存溢出、还是前端通信断了。

By Ne0inhk

大学生AI写作工具全流程应用指南(从开题到答辩)

说明:本清单按论文写作时间线划分6个核心阶段,明确各阶段工具搭配、操作要点及注意事项,可直接对照执行,兼顾效率与学术合规性。 阶段1:开题阶段(核心目标:确定选题+完成开题报告) 工具搭配:豆包AI + PaperRed 操作步骤: 1. 选题构思:打开豆包AI,输入“XX专业(如汉语言文学)本科论文选题方向”,获取5-8套开题思路;同时用PaperRed的“学术热点图谱”功能,输入核心关键词,查看近3年文献增长趋势与研究空白区,筛选出兼具可行性与创新性的选题。 2. 框架及内容生成:在PaperRed中选择“开题报告”,输入确定的选题,选择自己学校的模板,生成包含“研究背景、目的意义、研究方法、进度安排”的标准框架及内容并且格式也是调整好的,生成基础内容后人工优化,确保逻辑连贯。 注意事项:选题需结合自身专业基础,避免过度依赖AI选择超出能力范围的课题。 阶段2:文献搜集与梳理阶段(核心目标:高效获取权威文献+

By Ne0inhk