`

Sting类总结

阅读更多

1、String提供的功能
String 类包括的方法可用于检查序列的单个字符、比较字符串、搜索字符串、提取子字符串、创建字符串副本并将所有字符全部转换为大写或小写。
2、String对象,如果是通过new 关键字得到的字符串对象都会在内存开辟空间,如果用“”,而这个字符串已经存在的话,不会开辟内存空间,而是从共享池中得到该对象的引用。
3、String对象不能实现,真正的连接功能,每次连接都是生成一个新的字符串对象。只有StringBuffer才可以


String的构造方法
1、可以通过字节数组来实例化字符串。
2、可以指定使用的编码格式,和使用的字节数组的某个区间。
3、使用字符数组
4、使用StringBuffer


String方法总结

1、提取字符
(1)提取指定索引处的字符, char charAt(int index)
(2)也可以提取指定索引处的字符的Unicode 代码点 int codePointAt(int index) 


2、提取子字符串String substring(int beginIndex) 
(1)只指定起点
(2)指定起点和终点(包括起点不包括终点)
(3)也可提起该子字符串的Unicode 代码
 int codePointCount(int beginIndex, int endIndex) 

3、字符串比较
   区分大小写和不区分大小写

4、判断是否包含指定字符串

5、判断是否以指定的字符串开头和结尾

6、格式化字符串,将字符串转成指定的编码格式

7、转成字节数组

8、转成字符数组

9、判断指定字符首次出现和最后一次出现的位置

10、替换所有满足的子字符串,或第一个满足的

11、以正则表达式拆分,得到字符串数组

12、转换所有大小写

13、去掉首尾的空白。

 

分享到:
评论

相关推荐

    (完整版)聚类算法总结.pdf

    《聚类算法总结》 聚类,是数据挖掘中的一个重要环节,旨在通过分析数据的相似性,将相似的数据对象归为一类,形成不同的子集。这一过程无需预先设定类别,而是依据数据自身的特性进行划分。根据Wikipedia和百度...

    聚类算法总结 (2).pdf

    【聚类算法总结】 聚类,是数据挖掘领域中一种重要的无监督学习方法,它的目标是将数据集划分成不同的簇,使得同一簇内的数据样本彼此相似度高,而不同簇之间的样本相似度低。簇是由数据样本组成的集合,聚类分析...

    聚类算法总结 (3).docx

    这种算法特别适合处理非凸形和不规则形状的类簇。以下是一些常见的基于密度的聚类算法: 1. DBSCAN (Density-Based Spatial Clustering of Applications with Noise): DBSCAN 是最著名的密度聚类算法之一,它通过...

    (完整版)聚类算法总结.doc (2).docx

    聚类算法总结 聚类算法是一种重要的人类行为,它将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类是将数据分类到不同的类或者簇这样的一个过程, 所以同一个簇中的对象有很大的相似性,而...

    聚类算法总结 (4).docx

    【聚类算法总结】 聚类,简单来说,就是将具有相似特性的数据对象归类到一起,形成不同的组或子集。这是一种无监督学习的方法,主要用于发现数据集内的内在结构和模式,而无需预先知道具体的分类信息。聚类分析广泛...

    (完整版)聚类算法总结 (2).pdf

    聚类算法总结 聚类算法是数据挖掘和机器学习中的一种重要技术,它的主要目的是将相似的对象分组成不同的簇,以便更好地理解和分析数据。聚类算法可以应用于各种领域,如市场营销、生物信息学、图像识别等。 聚类的...

    聚类算法总结 (2).docx

    4. 基于网格的聚类算法:如STING和WaveCluster,将数据空间划分为网格,简化了计算过程,提高了效率。 聚类算法的选择取决于数据的特性、聚类目标以及对计算资源的需求。每种算法都有其优势和局限性,实际应用中...

    String字符串截取的四种方式总结

    `substring()` 是Java `String` 类的一个内置方法,用于从原始字符串中截取一部分新的字符串。它接受两个参数,第一个参数是起始索引(包含),第二个参数是结束索引(不包含)。例如: ```java String str = ...

    (完整版)聚类算法总结.doc (2).pdf

    聚类算法总结 聚类算法是数据挖掘和机器...* STING 算法:利用网格单元保存数据统计信息,从而实现多分辨率的聚类。 聚类算法有很多种类,每种算法都有其优缺点,选择合适的聚类算法取决于具体的应用场景和数据特点。

    聚类算法简单总结

    5. **基于模型的方法 (Model-Based Methods)**:这类方法如混合高斯模型(Gaussian Mixture Models, GMM)和期望最大化(Expectation-Maximization, EM)算法,它们假设数据遵循特定的概率分布模型,并尝试找到最佳...

    聚类算法总结.docx

    - **STING (Statistical Information Grid)**:使用网格单元保存数据统计信息。 - **WAVECLUSTER**:结合网格和密度,引入小波变换。 - **CLIQUE**:结合网格和密度,用于发现密集区域。 5. 基于其他理论的聚类...

    关于C++类的成员初始化列表的相关问题

    ### C++类的成员初始化...总结来说,成员初始化列表是C++中一个重要的特性,正确地使用它可以有效地管理类成员的初始化过程,避免潜在的错误,并提高程序的性能。理解其工作原理对于写出高效、可靠的C++代码至关重要。

    python实验报告31

    本实验报告总结了 Python 在机器学习和网络通信领域的应用,通过实现 KNN 算法和 Python 网络编程,实验旨在帮助学生理解和掌握 Python 解决实际问题的方法。实验结果表明,使用 Python 可以轻松实现 KNN 算法,并且...

    谷速软件matlab源码-各种聚类算法的比较.docx

    基于网格的聚类如STING、CLIQUE等,它们通过划分网格结构来处理数据,优点是处理时间和数据对象数目无关,但缺点是处理时间与每维空间的单元数相关。基于图论的聚类算法则将问题转化为图的最小生成树或图划分问题,...

    人工智能-机器学习-模式识别受体介导的脂肪细胞天然抗病毒反应.pdf

    【模式识别受体(PRR)】:模式识别受体是免疫系统中的一类关键分子,它们能够识别病原体相关的分子模式(PAMPs),如病毒的双链RNA(dsRNA)或DNA,从而启动宿主的先天免疫反应。在本文中,提到的PRR包括TLR3、MDA5...

    聚类算法概述与应用 .docx

    如STING和Wave Cluster算法,它们速度快,但可能因过分简化数据导致精度下降。选择合适的网格大小和信息聚合策略是网格聚类的关键。 【应用场景】 聚类算法广泛应用于多个领域,包括市场细分(根据消费者行为特征...

    聚类算法及聚类融合算法研究.docx

    STING(统计信息网格)和WaveCluster是典型的基于网格的算法,它们通过在网格上聚合数据信息来发现聚类。 **聚类融合算法**: 聚类融合算法是将多个聚类结果组合成一个更稳定、更精确的聚类结果的过程。它通常用于...

    聚类算法研究综述 (2).pdf

    K-Means算法通过迭代寻找k个聚类中心,使数据点到所属类中心的距离平方和最小。虽然算法简单,但需要预先设定簇的数量,且对初始聚类中心的选择敏感,可能陷入局部最优解。K-modes是K-Means的扩展,用于处理包含分类...

Global site tag (gtag.js) - Google Analytics