java substring 截取

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 800+累计阅读 842平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄15年

关注

原创最新推荐文章于 2026-03-24 11:49:59 发布 842 阅读 AI 写同款· GEO 优化 ›

前端 js/ Java/ MySQL/Oracle 的截取字符串 substr、substring 详细说明阅读详情

     String str = "sseedd";
	String newStr = str.subString(0,str.indexOf("e"));
	输出：sse
	String str = "sseedd";
	String newStr = str.subString(str.indexOf("s"),str.lastindexOf("e"));
	输出：sse

截取第三个分号之前的数据
String bb = "a11;b22;c33;d44;444";
		System.out.println(bb.substring(0, bb.indexOf(";", bb.indexOf(";", bb.indexOf(";", 0)+1)+1)));

收录于

java

当前文章被收录于：

java

47 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

字符串截取根据指定字节数截取字符串,当指定处为中文第一个字节时少截取一个字符,当长度大于指定截取长度时,截取后在字符串末尾追加指定字符串 * 这里添加了字符串的编码，因为页面的编码不同，字符串所占字节立即下载

相关推荐

String 字符串截取，获得指定字符数量，截取String两个内容之前内容并去重.pdf

String 字符串截取，获得指定字符数量，截取String两个内容之前内容并去重

Java截取第N个特定字符串前后的参数

【代码】Java截取第N个特定字符串前后的参数。

肉饼弟弟 1804

Windows 10/11 下用 Docker 一键部署 CVAT 标注工具（附 WSL2 配置指南）

本文详细指导如何在Windows 10/11系统上，通过配置WSL2和Docker Desktop，实现CVAT标注工具的一键部署。内容涵盖从环境准备、Docker安装、CVAT服务启动到性能优化与安全配置的全流程，为计算机视觉开发者提供稳定高效的本地标注平台解决方案。

weixin_28839601的博客 462

java获取字符串的前几位字符

追求卓越583的博客 2万+

强化学习 | Multi Agents | Trust Region | HATRPO | HAPPO

ICLR2022多智能体论文，将trust region推广到MA上，保证单调递增。学习博客，共7k字，纯手敲。含大量手写笔记。

111辄的博客 1万+

新手必看：如何用T265和ROS实现无人机室内精准定位（附PX4参数配置）

本文详细介绍了如何使用Intel Realsense T265和ROS实现无人机室内精准定位，包括硬件准备、ROS数据流架构设计、PX4参数配置及系统验证。特别针对视觉SLAM技术在室内环境中的应用，提供了从零搭建到进阶优化的全流程解析，适合无人机开发新手快速上手。

weixin_30642561的博客 404

Java字符串截取,截取某个字符之前或者之后的字符串

提示：java截取某个字符之前或者之后的字符串 文章目录一、java截取某个字符之前或者之后的字符串:1. 截取"_"之前字符串2. 截取"_"之后字符串二、截取正数第二个"_"后面的内容一、java截取某个字符之前或者之后的字符串: 1. 截取"_"之前字符串 代码如下（示例）： //java截取某个字符之前的字符串 public static void substringTest01(){ String str = "test_https://www.baidu.com/"; //截

天亮了叫你 7万+

TS808效果器制作教程

TS808效果器制作教程可以在立创商城购买到大部分的电阻电容和IC，音频接口，踩钉，电位器和电源接口可以去某宝看看都买得到的。链接https//pan.baidu.com/s/1QId1eIE3fJ2u5NLBSISvGA。安装过程过于繁琐，把所有元器件按照图纸焊接完成就可以调试了，祝你们成功！这是TS808经典效果器制作过程的记录。IC是JRC4558。...

qq_18948149的博客 3423

JAVA 截取字符串的几种方法

1、通过subString()方法来进行字符串截取（最常用）2、通过StringUtils提供的方法3、split()+正则表达式来进行截取。

weixin_54514751的博客 1万+

【大模型】MHA，MQA，GQA及KV Cache详解

在自回归模型中（Autoregressive Models），模型会逐个生成文本的每个token，这个过程可能比较慢，因为模型一次只能生成一个token，而且每次新的预测都依赖于之前的上下文。这意味着，要预测第1000个token，你需要用到前999个token的信息，这通常涉及到对这些token的表示进行一系列矩阵乘法运算。而要预测第1001个token，你不仅需要前999个token的信息，还要加上第1000个token的信息。

酒酿小圆子呀～ 2612

YOLOv8改进，YOLOv8主干网络替换为FasterNet(全网独发手把手教学，助力涨点)

FasterNet的整体架构由四个分层阶段组成，每个阶段包含一组FasterNet模块，并在前面加一个嵌入或合并层。最后三层用于特征分类。每个FasterNet模块内部，一个PConv层后跟两个PWConv层，为了保持特征多样性并降低延迟，归一化和激活层仅在中间层之后进行，其中，PConv 是一种快速高效的卷积操作，通过仅对部分输入通道应用卷积滤波器，而保持其余通道不变，从而减少了计算量和内存访问。

在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步 2015

Java截取字符串（substring）

java为字符串截取提供了substring方法。 1.基础方法： public String substring(int beginIndex, int endIndex) 该方法用于截取字符串中，从beginIndex到索引的endIndex-1之间的的字符串，即截取的字符串不包括endIndex这个索引对应的字符，所以endIndex的最大值为整个字符串的长度，所以使用这个方法的时候需要特别注意容易发生字符串截取越界的问题。例如： String str = "abcdefg"; st..

weixin_40052298的博客 3万+

车载以太网-组播

天赐好车的博客 252

java SubString截取某个字符之前的字符串

public class SubString { public static void main(String[] args) { String str="1419459573@qq.com"; String str1=str.substring(0, str.indexOf("@"));//截取@之前的字符串 System.out.println(str1);//14194...

ratel的博客 1万+

数字游民产业小报告 · 2025

2025 年全球数字游民约（不同统计口径差异很大，低估法约 4,000 万，高估法 8,000 万），美国来源占比最高。：2025 Q1 约岗位允许一定程度远程；2024 年美国员工至少部分远程（全球 2023 年约 28%）。：到 2025 年，提供数字游民/远程工作签证（媒体口径 50–73 个不等；福布斯 66、Citizen Remote 50+、有机构清单称 73）。：以英国为例，期望未来一年全勤到岗、企业因强制返岗出现离职，说明“灵活/远程”仍是劳动力市场的筹码之一。

Anthony1453的博客 1465

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

Java，SQL 截取字符串substring

Java\MYSQL截取字符串（substring）

yipala的博客 1116

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Java使用substring()方法截取字符串

substring()方法是java String类的常用方法，作用是返回字符串的子字符串。

程序星空实验室 9093

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

java substring 截取字符串_java substring 截取字符串的方法

substring(参数)是java截取字符串的一个方法。它有两种传参的方式：第一种：public String substring(int beginIndex)返回一个新的字符串，它是此字符串的一个子字符串，该字符串从指定索引出的字符开始，到此字符串末尾结束。第二种：public String substring(int beginIndex,int endIndex)同样返回一个新的字符串，...

weixin_28955231的博客 2958

java substring 倒截取_java substring 截取字符串的方法

weixin_29429691的博客 4280

【Java字符串分割[split()]和截取[substring()]】

最近写代码时遇到自字符串分割和截取的问题，在此总结一下。 字符串的分割：一般自字符串的分割常用的方法是java.lang包中的String.split()方法，返回是一个字符串数组。语法： public String[] split(String regex, int limit) 参数： regex-- 正则表达式分隔符。 limit-- 分割的份数。 ...

qq_40660893的博客 7万+

java substring 截取字符串

substring(参数)是java截取字符串的一个方法。它有两种传参的方式：第一种：public String substring(int beginIndex) 返回一个新的字符串，它是此字符串的一个子字符串，该字符串从指定索引出的字符开始，到此字符串末尾结束。第二种：public String substring(int beginIndex,int endIndex)

俊刚的博客 2万+

java中字符串的截取方法substring()

1.java中String元素下标从0开始，substring(a)是从第a个字符开始截取，包含第a个字符。可以看成数学中的[ ），表示左闭右开区间。 2.substring(a, b)表示截取下标从a开始到b结束的字符，包含第a个字符但是不包含第b个字符，可以看成[a,b) 如： public class StringTest { public static void main(String[] args) { String name=“jason”; System.out.println(name.su

m0_45685411的博客 4734

Java中的substring截取字符串方法

1. 在处理字符串的过程中有很多情况下会遇到需要截取字符串的情况，这个时候使用Java中提供的substring方法来截取就非常方便了 2. 其中比较经常使用到的方法有两个： ① public String substring(intbeginIndex) 这个方法截取的字符串是从索引beginIndex开始的，到整个字符串的末尾，例如：字符串String s = "abcdef"; 调...

二哈 18万+

java截取字符串的长度substring()

参考文章 = https://blog.youkuaiyun.com/lihua5419/article/details/84065674 当一个字符串来的时候, 我们需要对他进行一些处理, 以后才能做保存等操作那么久出现了 字符串的截取操作, 但是要考虑一个问题, 串的前后有空格怎么办? 参考文档 = https://www.runoob.com/java/java-string-trim.html 使用 trim() 函数来, 去除字符串的前后空格而已, 不是去掉字符串里面的空格这样就能只保存传过来的年份信息

树暖 4327

java url substring,Java截取字符串方法subString方法

String 类的 substring() 方法用于对字符串进行提取，该方法主要有两种重载形式，下面分别介绍。1. substring(int beginIndex) 形式此方式用于提取从索引位置开始至结尾处的字符串部分。调用时，括号中是需要提取字符串的开始位置，方法的返回值是提取的字符串。例如：Stringstr="我爱Java编程";Stringresult=str.substring...

weixin_42311301的博客 1177

上一篇： jQuery与Java实现图片的剪切

下一篇： java分组批量执行，发短信、创建Lucene索引(应用场景)