首页 文章 精选 留言 我的

精选列表

搜索[超融合软件]，共10000篇文章
优秀的个人博客,低调大师

Hive解析Json数组超全讲解

2 --> 在Hive中会有很多数据是用Json格式来存储的，如开发人员对APP上的页面进行埋点时，会将多个字段存放在一个json数组中，因此数据平台调用数据时，要对埋点数据进行解析。接下来就聊聊Hive中是如何解析json数据的。 本文首发于公众号【五分钟学大数据】 Hive自带的json解析函数 1. get_json_object 语法：get_json_object(json_string, '$.key') 说明：解析json的字符串json_string,返回path指定的内容。如果输入的json字符串无效，那么返回NULL。这个函数每次只能返回一个数据项。 示例： selectget_json_object('{"name":"zhangsan","age":18}','$.name'); 结果： name zhangsan 如果既要解析name字段，也解析age字段，则可以这样写： selectget_json_object('{"name":"zhangsan","age":18}','$.name'),get_json_object('{"name":"zhangsan","age":18}','$.age'); 但是如果要解析的字段有很多，再这样写就太麻烦了，所以就有了 json_tuple 这个函数。 2. json_tuple 语法： json_tuple(json_string, k1, k2 ...) 说明：解析json的字符串json_string,可指定多个json数据中的key，返回对应的value。如果输入的json字符串无效，那么返回NULL。 示例： selectb.name,b.agefromtableNamealateralviewjson_tuple('{"name":"zhangsan","age":18}','name','age')basname,age; 结果: name age zhangsan 18 注意：上面的json_tuple函数中没有$. 如果在使用json_tuple函数时加上$.就会解析失败： selectb.name,b.agefromtableNamealateralviewjson_tuple('{"name":"zhangsan","age":18}','$.name','$.age')basname,age; 结果: name age NULL NULL 字段全是NULL，所以json_tuple函数不需要加$.了，否则会解析不到。 总结：json_tuple相当于get_json_object的优势就是一次可以解析多个json字段。但是如果我们有个json数组，这两个函数都无法处理。 Hive解析json数组 一、嵌套子查询解析json数组 如果有一个hive表，表中 json_str 字段的内容如下： json_str [{"website":"baidu.com","name":"百度"},{"website":"google.com","name":"谷歌"}] 我们想把这个字段解析出来，形成如下的结构： website name baidu.com 百度 google.com 谷歌 要解析这个json数组，仅用上面介绍的两个函数就解析不出来了，还需用到如下介绍的几个函数： explode函数 语法： explode(Array OR Map) 说明：explode()函数接收一个array或者map类型的数据作为输入，然后将array或map里面的元素按照每行的形式输出，即将hive一列中复杂的array或者map结构拆分成多行显示，也被称为列转行函数。 示例： --解析arrayhive>selectexplode(array('A','B','C'));OKABC--解析maphive>selectexplode(map('A',10,'B',20,'C',30));OKA10B20C30 regexp_replace函数 语法: regexp_replace(string A, string B, string C) 说明：将字符串A中的符合java正则表达式B的部分替换为C。注意，在有些情况下要使用转义字符，类似oracle中的regexp_replace函数。 示例： hive>selectregexp_replace('foobar','oo|ar','');OKfb 上述示例将字符串中的 oo 或 ar 替换为''。 有了上述几个函数，接下来我们来解析json_str字段的内容： 先将json数组中的元素解析出来，转化为每行显示： hive>SELECTexplode(split(regexp_replace(regexp_replace('[{"website":"baidu.com","name":"百度"},{"website":"google.com","name":"谷歌"}]','\\[|\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;'));OK{"website":"baidu.com","name":"百度"}{"website":"google.com","name":"谷歌"} 对上述sql进行简要说明： SELECTexplode(split(regexp_replace(regexp_replace('[{"website":"baidu.com","name":"百度"},{"website":"google.com","name":"谷歌"}]','\\[|\\]',''),将json数组两边的中括号去掉'\\}\\,\\{','\\}\\;\\{'),将json数组元素之间的逗号换成分号'\\;')以分号作为分隔符(split函数以分号作为分隔)); 为什么要将json数组元素之间的逗号换成分号？因为元素内的分隔也是逗号，如果不将元素之间的逗号换掉的话，后面用split函数分隔时也会把元素内的数据给分隔，这不是我们想要的结果。 上步已经把一个json数组转化为多个json字符串了，接下来结合son_tuple函数来解析json里面的字段： selectjson_tuple(explode(split(regexp_replace(regexp_replace('[{"website":"baidu.com","name":"百度"},{"website":"google.com","name":"谷歌"}]','\\[|\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;')),'website','name'); 执行上述语句，结果报错了：FAILED: SemanticException [Error 10081]: UDTF's are not supported outside the SELECT clause, nor nested in expressions 意思是UDTF函数不能写在别的函数内，也就是这里的explode函数不能写在json_tuple里面。 既然explode函数不能写在别的json_tuple里面，那我们可以用子查询方式，如下所示： selectjson_tuple(json,'website','name')from(selectexplode(split(regexp_replace(regexp_replace('[{"website":"baidu.com","name":"百度"},{"website":"google.com","name":"谷歌"}]','\\[|\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;'))asjson)t; 执行上述语句，没有报错，执行结果如下： www.baidu.com百度google.com谷歌 二 使用 lateral view 解析json数组 hive表中 goods_id 和 json_str 字段的内容如下： goods_id json_str 1,2,3 [{"source":"7fresh","monthSales":4900,"userCount":1900,"score":"9.9"},{"source":"jd","monthSales":2090,"userCount":78981,"score":"9.8"},{"source":"jdmart","monthSales":6987,"userCount":1600,"score":"9.0"}] 目的：把 goods_id 字段和 json_str 字段中的monthSales解析出来。 下面我们就开始解析： 拆分goods_id字段及将json数组转化成多个json字符串： selectexplode(split(goods_id,','))asgood_id,explode(split(regexp_replace(regexp_replace(json_str,'\\[|\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;'))assale_infofromtableName; 执行上述语句，结果报错：FAILED: SemanticException 3:0 Only a single expression in the SELECT clause is supported with UDTF's. Error encountered near token 'sale_info' 意思是用UDTF的时候，SELECT 只支持一个字段。而上述语句select中有两个字段，所以报错了。 那怎么办呢，要解决这个问题，还得再介绍一个hive语法： lateral view lateral view用于和split、explode等UDTF一起使用的，能将一行数据拆分成多行数据，在此基础上可以对拆分的数据进行聚合，lateral view首先为原始表的每行调用UDTF，UDTF会把一行拆分成一行或者多行，lateral view在把结果组合，产生一个支持别名表的虚拟表。 示例： 假设我们有一张用户兴趣爱好表 hobbies_table，它有两列数据，第一列是name，第二列是用户兴趣爱好的id_list，是一个数组，存储兴趣爱好的id值： name id_list zhangsan [1,2,3] lisi [3,4,5] 我们要统计所有兴趣id在所有用户中出现的次数： 对兴趣id进行解析： SELECTname,hobby_idFROMhobbies_tableLATERALVIEWexplode(id_list)tmp_tableAShobby_id; 上述sql执行结果： name hobby_id zhangsan 1 zhangsan 2 zhangsan 3 lisi 3 lisi 4 lisi 5 将id_list拆分完之后统计在用户中出现的次数就简单了，按照hobby_id进行分组聚合即可： SELECThobby_id,count(name)client_numFROMhobbies_tableLATERALVIEWexplode(id_list)tmp_tableAShobby_idgroupbyhobby_id; 结果： hobby_id client_num 1 1 2 1 3 2 4 1 5 1 介绍完 lateral view 之后，我们再来解决上面遇到的用UDTF的时候，SELECT 只支持一个字段的问题： selectgood_id,get_json_object(sale_json,'$.monthSales')asmonthSalesfromtableNameLATERALVIEWexplode(split(goods_id,','))goodsasgood_idLATERALVIEWexplode(split(regexp_replace(regexp_replace(json_str,'\\[|\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;'))salesassale_json; 注意：上述语句是三个表笛卡尔积的结果，所以此方式适用于数据量不是很大的情况。 上述语句执行结果如下： goods_id monthSales 1 4900 1 2090 1 6987 2 4900 2 2090 2 6987 3 4900 3 2090 3 6987 如果表中还有其他字段，我们可以根据其他字段筛选出符合结果的数据。 总结：lateral view通常和UDTF一起出现，为了解决UDTF不允许在select存在多个字段的问题。 公众号【五分钟学大数据】，大数据领域原创技术号，专注于大数据技术研究
2021-07-05
优秀的个人博客,低调大师

了解HashMap数据结构，超详细！

点击蓝色“程序员的时光”关注我，标注“星标”，及时阅读最新技术文章 写在前面： 小伙伴儿们，大家好！今天来学习HashMap相关内容，作为面试必问的知识点，来深入了解一波！ 思维导图： 学习框架图 1，HashMap集合简介 HashMap基于哈希表的Map接口实现，是以key-value存储形式存在，即主要用来存放键值对。HashMap的实现不是同步的，这意味着它不是线程安全的。它的key、value都可以为null。此外，HashMap中的映射不是有序的。 JDK1.8之前的HashMap由数组+链表组成的，数组是HashMap的主体，链表则是主要为了节解决哈希碰撞(两个对象调用的hashCode方法计算的哈希码值一致导致计算的数组索引值相同)而存在的（“拉链法”解决冲突）。 JDK1.8之后在解决哈希冲突时有了较大的变化，当链表长度大于阈值（或者红黑树的边界值，默认为8）并且当前数组的长度大于64时，此时此索引位置上的所有数据改为使用红黑树存储。 数组里面都是key-value的实例，在JDK1.8之前叫做Entry，在JDK1.8之后叫做Node。 key-value实例 由于它的key、value都为null，所以在插入的时候会根据key的hash去计算一个index索引的值。计算索引的方法如下： /***根据key求index的过程*1,先用key求出hash值*/staticfinalinthash(Objectkey){inth;return(key==null)?0:(h=key.hashCode())^(h>>>16);}//2,再用公式index=(n-1)&hash（n是数组长度）inthash=hash(key);index=(n-1)&hash; 这里的Hash算法本质上就是三步：取key的hashCode值、高位运算、取模运算。 这样的话比如说put("A",王炸)，插入了key为"A"的元素，这时候通过上述公式计算出插入的位置index，若index为3则结果如下（即hash("A")=3）： 插入索引为3的结点 那么，HashMap中的链表又是干什么用的呢？ 大家都知道数组的长度是有限的，在有限的长度里面使用哈希函数计算index的值时，很有可能插入的k值不同，但所产生的hash是相同的（也叫做哈希碰撞），这也就是哈希函数存在一定的概率性。就像上面的K值为A的元素，如果再次插入一个K值为a的元素，很有可能所产生的index值也为3，也就是即hash("a")=3；那这就形成了链表，这种解决哈希碰撞的方法也叫做拉链法。 同一个位置插入不同元素 当这个链表长度大于阈值8并且数组长度大于64则进行将链表变为红黑树。 补充： 将链表转换成红黑树前会判断，如果阈值大于8，但是数组长度小64，此时并不会将链表变为红黑树。而是选择进行数组扩容。 这样做的目的是因为数组比较小，尽量避开红黑树结构，这种情况下变为红黑树结构，反而会降低效率，因为红黑树需要进行左旋，右旋，变色这些操作来保持平衡。同事数组长度小于64时，搜索时间相对快一些。所以综上所述为了提高性能和减少搜索时间，底层在阈值大于8并且数组长度大于64时，链表才转换为红黑树。具体可以参考treeifyBin方法。 当然虽然增了红黑树作为底层数据结构，结构变得复杂了，但是阈值大于8并且数组长度大于64时，链表转换为红黑树时，效率也变得更高效。 特点： 存取无序的 键和值位置都可以是null，但是键位置只能是一个null 键位置是唯一的，底层的数据结构控制键的 jdk1.8前数据结构是：链表 + 数组 jdk1.8之后是 ：链表 + 数组 + 红黑树 阈值(边界值) > 8 并且数组长度大于64，才将链表转换为红黑树，变为红黑树的目的是为了高效的查询。 2，HsahMap底层数据结构 2.1，HashMap存储数据的过程 每一个Node结点都包含键值对的key，value还有计算出来的hash值，还保存着下一个 Node 的引用 next（如果没有下一个 Node，next = null），来看看Node的源码： staticclassNode<K,V>implementsMap.Entry<K,V>{finalinthash;finalKkey;Vvalue;Node<K,V>next;...} HashMap存储数据需要用到put()方法，关于这些方法的详解，我们下节再说，这里简要说一下； publicstaticvoidmain(String[]args){HashMap<String,Integer>hmap=newHashMap<>();hmap.put("斑",55);hmap.put("镜",63);hmap.put("带土",25);hmap.put("鼬",9);hmap.put("佐助",43);hmap.put("斑",88);System.out.println(hmap);} 当创建HashMap集合对象的时候，在jdk1.8之前，构造方法中会创建很多长度是16的Entry[] table用来存储键值对数据的。在jdk1.8之后不是在HashMap的构造方法底层创建数组了，是在第一次调用put方法时创建的数组，Node[] table用来存储键值对数据的。 比方说我们向哈希表中存储"斑"-55的数据，根据K值("斑")调用String类中重写之后的hashCode()方法计算出值（数量级很大），然后结合数组长度采用取余（(n-1)&hash）操作或者其他操作方法来计算出向Node数组中存储数据的空间的索引值。如果计算出来的索引空间没有数据，则直接将"斑"-55数据存储到数组中。跟上面的"A-王炸"数据差不多。 我们回到上方的数组图，如果此时再插入"A-蘑菇"元素，那么首先根据Key值("A")调用hashCode()方法结合数组长度计算出索引肯定也是3，此时比较后存储的"A-蘑菇"和已经存在的数据"A-王炸"的hash值是否相等，如果hash相等，此时发生hash碰撞。 那么底层会调用"A"所属类String中的equals方法比较两个key内容是否相等，若相等，则后添加的数据直接覆盖已经存在的Value，也就是"蘑菇"直接覆盖"王炸"；若不相等，继续向下和其他数据的key进行比较，如果都不相等，则规划出一个节点存储数据。 两个结点key值比较，是否覆盖 2.2，哈希碰撞相关的问题 哈希表底层采用何种算法计算hash值？还有哪些算法可以计算出hash值？ 底层是采用key的hashCode方法的值结合数组长度进行无符号右移（>>>）、按位异或（^）、按位与（&）计算出索引的 还可以采用：平方取中法，取余数，伪随机数法。这三种效率都比较低。而无符号右移16位异或运算效率是最高的。 当两个对象的hashCode相等时会怎么样？ 会产生哈希碰撞，若key值内容相同则替换旧的value.否则连接到链表后面，链表长度超过阈值8就转换为红黑树存储。 何时发生哈希碰撞和什么是哈希碰撞,如何解决哈希碰撞？ 只要两个元素的key计算的哈希值相同就会发生哈希碰撞。jdk8前使用链表解决哈希碰撞。jdk8之后使用链表+红黑树解决哈希碰撞。 如果两个键的hashcode相同，如何存储键值对？ hashcode相同，通过equals比较内容是否相同。相同：则新的value覆盖之前的value 不相同：则将新的键值对添加到哈希表中 2.3，红黑树结构 当位于一个链表中的元素较多，即hash值相等但是内容不相等的元素较多时，通过key值依次查找的效率较低。而jdk1.8中，哈希表存储采用数组+链表+红黑树实现，当链表长度(阀值)超过 8 时且当前数组的长度 > 64时，将链表转换为红黑树，这样大大减少了查找时间。jdk8在哈希表中引入红黑树的原因只是为了查找效率更高。 红黑树结构 JDK 1.8 以前 HashMap 的实现是 数组+链表，即使哈希函数取得再好，也很难达到元素百分百均匀分布。当 HashMap 中有大量的元素都存放到同一个桶中时，这个桶下有一条长长的链表，这个时候 HashMap 就相当于一个单链表，假如单链表有 n 个元素，遍历的时间复杂度就是 O(n)，完全失去了它的优势。针对这种情况，JDK 1.8 中引入了 红黑树（查找时间复杂度为 O(logn)）来优化这个问题。当链表长度很小的时候，即使遍历，速度也非常快，但是当链表长度不断变长，肯定会对查询性能有一定的影响，所以才需要转成树。 2.4，存储流程图 HashMap存放数据是用的put方法，put 方法内部调用的是 putVal() 方法，所以对 put 方法的分析也是对 putVal 方法的分析，整个过程比较复杂，流程图如下： 来看看put()源码： publicVput(Kkey,Vvalue){//对key的hashCode()做hash，调用的是putVal方法returnputVal(hash(key),key,value,false,true);}finalVputVal(inthash,Kkey,Vvalue,booleanonlyIfAbsent,booleanevict){Node<K,V>[]tab;Node<K,V>p;intn,i;/*1，tab为空则开始创建，2，(tab=table)==null表示将空的table赋值给tab,然后判断tab是否等于null，第一次肯定是null3，(n=tab.length)==0表示没有为table分配内存 4，tab为空，执行代码 n =(tab = resize()).length;进行扩容。并将初始化好的数组长度赋值给n.5，执行完n=(tab=resize()).length，数组tab每个空间都是null*/if((tab=table)==null||(n=tab.length)==0)//调用resize()方法进行扩容n=(tab=resize()).length;/*1，i=(n-1)&hash表示计算数组的索引赋值给i，即确定元素存放在哪个桶中2，p=tab[i=(n-1)&hash]表示获取计算出的位置的数据赋值给节点p3，(p=tab[i=(n-1)&hash])==null判断节点位置是否等于null，如果为null，则执行代码：tab[i]= newNode(hash, key, value, null);根据键值对创建新的节点放入该位置的桶中小结：如果当前桶没有哈希碰撞冲突，则直接把键值对插入空间位置*/if((p=tab[i=(n-1)&hash])==null)//节点位置为null，则直接进行插入操作tab[i]=newNode(hash,key,value,null);//节点位置不为null，表示这个位置已经有值了，于是需要进行比较hash值是否相等else{Node<K,V>e;Kk;/*比较桶中第一个元素(数组中的结点)的hash值和key是否相等1，p.hash==hash中的p.hash表示原来存在数据的hash值hash表示后添加数据的hash值比较两个hash值是否相等 2，(k = p.key)== key ：p.key获取原来数据的key赋值给k key表示后添加数据的key 比较两个key的地址值是否相等 3，key != null && key.equals(k)：能够执行到这里说明两个key的地址值不相等，那么先判断后添加的key是否等于null，如果不等于null再调用equals方法判断两个key的内容是否相等*/if(p.hash==hash&&((k=p.key)==key||(key!=null&&key.equals(k))))/*说明：两个元素哈希值相等（哈希碰撞），并且key的值也相等将旧的元素整体对象赋值给e，用e来记录*/e=p;// hash值不相等或者key不相等；判断p是否为红黑树结点elseif(pinstanceofTreeNode)//是红黑树，调用树的插入方法e=((TreeNode<K,V>)p).putTreeVal(this,tab,hash,key,value);//说明是链表节点，这时进行插入操作else{/*1，如果是链表的话需要遍历到最后节点然后插入2，采用循环遍历的方式，判断链表中是否有重复的key*/for(intbinCount=0;;++binCount){/*1)e=p.next获取p的下一个元素赋值给e2)(e=p.next)==null判断p.next是否等于null，等于null，说明p没有下一个元素，那么此时到达了链表的尾部，还没有找到重复的key,则说明HashMap没有包含该键将该键值对插入链表中*/if((e=p.next)==null){p.next=newNode(hash,key,value,null);//插入后发现链表长度大于8，转换成红黑树结构if(binCount>=TREEIFY_THRESHOLD-1)//转换为红黑树treeifyBin(tab,hash);break;}//key值以及存在直接覆盖valueif(e.hash==hash&&((k=e.key)==key||(key!=null&&key.equals(k))))break;p=e;}}//若结点为null，则不进行插入操作if(e!=null){VoldValue=e.value;if(!onlyIfAbsent||oldValue==null)e.value=value;afterNodeAccess(e);returnoldValue;}}//修改记录次数++modCount;//判断实际大小是否大于threshold阈值，如果超过则扩容if(++size>threshold)resize();//插入后回调afterNodeInsertion(evict);returnnull;} 小结： 根据哈希表中元素个数确定是 扩容还是树形化 如果是树形化遍历桶中的元素，创建相同个数的树形节点，复制内容，建立起联系 然后让桶中的第一个元素指向新创建的树根节点，替换桶的链表内容为树形化内容 3，HashMap的扩容机制 我们知道，数组的容量是有限的，多次插入数据的话，到达一定数量就会进行扩容；先来看两个问题 什么时候需要扩容？ 当HashMap中的元素个数超过数组长度loadFactor(负载因子)时，就会进行数组扩容，loadFactor的默认值是0.75,这是一个折中的取值。也就是说，默认情况下，数组大小为16，那么当HashMap中的元素个数超过16×0.75=12(这个值就是阈值)的时候，就把数组的大小扩展为2×16=32，即扩大一倍，然后重新计算每个元素在数组中的位置，而这是一个非常耗性能的操作，所以如果我们已经预知HashMap中元素的个数，那么预知元素的个数能够有效的提高HashMap的性能。 怎么进行扩容的？ HashMap在进行扩容时使用 resize() 方法，计算 table 数组的新容量和 Node 在新数组中的新位置，将旧数组中的值复制到新数组中，从而实现自动扩容。因为每次扩容都是翻倍，与原来计算的 (n-1)&hash的结果相比，只是多了一个bit位，所以节点要么就在原来的位置，要么就被分配到"原位置+旧容量"这个位置。 因此，我们在扩充HashMap的时候，不需要重新计算hash，只需要看看原来hash值新增的那个bit是1还是0就可以了，是0的话索引没变，是1的话索引变成“原索引+oldCap(原位置+旧容量)”。这里不再详细赘述，可以看看下图为16扩充为32的resize示意图： hashmap扩容 4，HashMap数组长度为什么是2的次幂 我们先看看它的成员变量： 序列化版本号 privatestaticfinallongserialVersionUID=362498820763181265L; 集合的初始化容量initCapacity //默认的初始容量是16--1<<4相当于1*2的4次方---1*16staticfinalintDEFAULT_INITIAL_CAPACITY=1<<4; 初始化容量默认是16，容量过大，遍历时会减慢速度，效率低；容量过小，那么扩容的次数变多，非常耗费性能。 负载因子 /***Theloadfactorusedwhennonespecifiedinconstructor.*/staticfinalfloatDEFAULT_LOAD_FACTOR=0.75f; 初始默认值为0.75，若过大，会导致哈希冲突的可能性更大；若过小，扩容的次数也会提高。 为什么必须是2的n次幂？ 当向HashMap中添加一个元素的时候，需要根据key的hash值，去确定其在数组中的具体位置。HashMap为了提高存取效率，要尽量较少碰撞，就是要尽量把数据分配均匀，每个链表长度大致相同，这个实现就在把数据存到哪个链表中的算法。 这个算法实际就是取模，hash%length，计算机中直接求余效率不如位移运算。所以源码中做了优化,使用 hash&(length-1)，而实际上hash%length等于hash&(length-1)的前提是length是2的n次幂。 如果输入值不是2的幂会怎么样？ 如果数组长度不是2的n次幂，计算出的索引特别容易相同，及其容易发生hash碰撞，导致其余数组空间很大程度上并没有存储数据，链表或者红黑树过长，效率降低。 小结： 1，当根据key的hash确定其在数组的位置时，如果n为2的幂次方，可以保证数据的均匀插入，如果n不是2的幂次方，可能数组的一些位置永远不会插入数据，浪费数组的空间，加大hash冲突。 2，一般可能会想通过 % 求余来确定位置，这样也可以，只不过性能不如 & 运算。而且当n是2的幂次方时：hash & (length - 1) == hash % length 3，因此，HashMap 容量为2次幂的原因，就是为了数据的的均匀分布，减少hash冲突，毕竟hash冲突越大，代表数组中一个链的长度越大，这样的话会降低hashmap的性能 好了，今天就先分享到这里了，下期继续给大家带来HashMap面试内容！更多干货、优质文章，欢迎关注我的原创技术公众号~ 文章好看点这里 本文分享自微信公众号 - 程序员的时光（gh_9211ec727426）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
2020-10-23
优秀的个人博客,低调大师

android超简单短信接收——中级编

短信 short message service,简称SMS 是用户通过手机或其他电信终端直接发送或接收的文字或数字信息，用户每次能接收和发送短信的字符数，是160个英文或数字字符，或者70个中文字符。现在我通过Emulator Control向5554发送短信，如果5554收到短信将会提示，下面我们先看一下发来的短信提示图： 我们看一下方法类： packagecom.smart.sms; importandroid.content.BroadcastReceiver; importandroid.content.Context; importandroid.content.Intent; importandroid.os.Bundle; importandroid.telephony.SmsMessage; importandroid.widget.Toast; publicclassSmsReceiverextendsBroadcastReceiver{ @Override publicvoidonReceive(Contextcontext,Intentintent){ if("android.provider.Telephony.SMS_RECEIVED".equals(intent.getAction())){ StringBuildersb=newStringBuilder(); //接收由SMS传过来的数据 Bundlebundle=intent.getExtras(); //判断是否有数据 if(bundle!=null){ //通过pdus可以获得接收到的所有短信消息 Object[]objArray=(Object[])bundle.get("pdus"); //构建短信对象array,并依据收到的对象长度来创建array的大小 SmsMessage[]message=newSmsMessage[objArray.length]; for(inti=0;i<objArray.length;i++){ message[i]=SmsMessage.createFromPdu((byte[])objArray[i]); } //将送来的短信合并自定义信息于StringBuilder当中 for(SmsMessagecurrentMessage:message){ sb.append("短信来源"); //获得接收短信的电话号码 sb.append(currentMessage.getDisplayMessageBody()); sb.append("\n------短信内容------\n"); //获得短信的内容 sb.append(currentMessage.getDisplayMessageBody()); } IntentmainIntent=newIntent(context,SmsActivity.class); mainIntent.setFlags(Intent.FLAG_ACTIVITY_NEW_TASK); context.startActivity(mainIntent); Toast.makeText(context,sb.toString(),Toast.LENGTH_LONG).show(); } } } } main.xml文件编写代码： <?xmlversion="1.0"encoding="utf-8"?> <LinearLayoutxmlns:android="http://schemas.android.com/apk/res/android" android:orientation="vertical" android:layout_width="fill_parent" android:layout_height="fill_parent" > <TextView android:id="@+id/textview" android:layout_width="fill_parent" android:layout_height="wrap_content" android:textSize="15dp" android:text="SMART收短信提示" /> </LinearLayout> 附件：http://down.51cto.com/data/2357601 本文转自 llb988 51CTO博客，原文链接：http://blog.51cto.com/llb988/498644，如需转载请自行联系原作者
2017-11-27

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

时间: 2026-08-21 大小: 1MB 下载: 10次
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-24 大小: 189MB 下载: 9次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

时间: 2025-12-13 大小: 249.54MB 下载: 22次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册