【老白学 Java】数字格式化
数字格式化

文章来源:《Head First Java》修炼感悟。
很多时候需要对数字或日期进行格式化操作,来达到某些输出效果。Java 的 Formatter 类提供了很多扩展性功能用于字符串的格式化,只要调用 String 静态方法 format() ,传入参数并设定格式就可以得到满意的字符串。
一、基本语法
1、方法定义
public static String format(String format, Object... args);
2、 方法参数
format格式字符串,描述如何格式化,必须以格式说明符 % 开始;args格式字符串中由格式说明符引用的参数。如果还有格式说明符以外的参数,则忽略。这个参数是可变参数,也可以为 0。
3、方法返回值
- 返回格式化后的字符串。
4、格式字符串

%,格式说明符,表示用它后面的格式去格式化对应的原始数据;flags,标识符,例如以逗号分隔数字,或者为数字添加正负号等;width,输出的字符串最小宽度(字符数);precision,输出位数,例如指定小数位数,截取字符个数等;type,数据类型,必须指定。
老白提醒: 以上是完整格式,其中方括号中的选项可以省略,但格式说明符和类型符号不能省略。
二、常用格式设定
%d十进制整数,以逗号分隔,例如:
String.format("%,d", 1000000000);
// 输出结果:1,000,000,000
%f,浮点数,默认保留6位小数点(四舍五入),例如:
String.format("%f", 4387.2983749872);
// 输出结果:4387.298375
%.nf,浮点数,保留 n 位小数点(四舍五入),例如:
String.format("%.2f", 4387.2983749872);
// 输出结果:4387.30
%nf,浮点数右对齐,输出至少占据 n 个字符宽度,例如:
String.format("|%,6.1f|", 42.000);
// 输出结果:| 42.0|
%-nf,浮点数左对齐,输出至少占据 n 个字符宽度,例如:
String.format("|%,-6.1f|", 42.000);
// 输出结果:|42.0 |
%.ns,字符串,截取前 n 个字符,例如:
String.format("%.5s", "hello world");
// 输出结果:hello
%0nd,在前面补零,直到满足 n 个字符宽度,例如:
String.format("%08d", 123);
// 输出结果:00000123
三、格式化多个参数
format() 方法可以同时格式化多个参数,例如有这样一个字符串:
The rank is 20,456,654 out of 100,567,890.24.
要想达到上述效果,需要对字符串中的两个数字分别进行格式化。 例如:
int one = 20456654;
double two = 100567890.243907;
String s = String.format("The rank is %,d" out of %,.2f, one, two);// 输出结果:The rank is 20,456,654 out of 100,567,890.24
参数 one 对应第一个格式标识符,two 对应第二个格式标识符,允许后面跟随多个参数。
| 《 上一篇 人性化的 Autoboxing |
|---|
相关文章:
【老白学 Java】数字格式化
数字格式化 文章来源:《Head First Java》修炼感悟。 很多时候需要对数字或日期进行格式化操作,来达到某些输出效果。Java 的 Formatter 类提供了很多扩展性功能用于字符串的格式化,只要调用 String 静态方法 format() ,传入参数…...
useCallback和forwardRef的联合使用
文章目录 一、useCallback二、forwardRef 总结了useCallback、forwardRef中的deps,以及操作子组建时会遇到数据流不同步的问题 一、useCallback useCallback可以缓存函数,这样避免组建更新导致的函数重建;useCallback在函数更新以后会在deps中…...
C# .NET CORE 开发问题汇总
1. error MSB4803: .NET Core 版本的 MSBuild 不支持“ResolveComReference”。请使用 .NET Framework 版本的 MSBuild。 引用了一个COM组件, 使用donet 命令时,提示不支持, 可以先将项目设置为x86以构建, 将COM引用添加到核心项目中,构建它,在obj\x86\…...
【C语言】拆数字组成最大数
相信你是最棒哒!!! 文章目录 题目描述 正确代码 法一注释版 简洁版 法二注释版 简洁版 题目描述 任意输入一个自然数,输出该自然数的各位数字组成的最大数。例如,输入 1593 ,则输出为 9531 。 输入描述 …...
【Git系列】根据提交打印邮箱
💝💝💝欢迎来到我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 推荐:kwan 的首页,持续学…...
Nginx在处理客户端请求的并发性发面是否依赖Linux的多线程原理
Nginx在处理客户端请求的并发性发面是否依赖Linux的多线程原理 Nginx 在处理客户端请求的并发性方面,并不依赖于 Linux 的多线程原理。 Nginx 的并发处理主要基于 事件驱动模型 和 异步非阻塞 I/O,而不是传统的多线程或多进程模型。 Nginx 的并发处理模…...
Python生成对抗神经网络GAN预测股票及LSTMs、ARIMA对比分析ETF金融时间序列可视化
全文链接:https://tecdat.cn/?p38528 本文聚焦于利用生成对抗网络(GANs)进行金融时间序列的概率预测。介绍了一种新颖的基于经济学驱动的生成器损失函数,使 GANs 更适用于分类任务并置于监督学习环境中,能给出价格回…...
深入了解C++中const的用法
文章目录 一、C中的const如何理解?二、C中的const与C语言中的const有何区别?三、const与指针、引用的结合使用 一、C中的const如何理解? 在C中,const是一个关键字,用来表示常量性,意在告诉编译器某些变量或…...
【Linux金典面试题(上)】41道Linux金典面试问题+详细解答,包含基本操作、系统维护、网络配置、脚本编程等问题。
大家好,我是摇光~,用大白话讲解所有你难懂的知识点 之前写了一篇关于 python 的面试题,感觉大家都很需要,所以打算出一个面试专栏。 【数据分析岗】Python金典面试题 这个专栏主要针对面试大数据岗位、数据分析岗位、数据运维等…...
利用Python实现多元回归预测汽车价格
引言: AI技术的热门使得大家对机器学习有了更多的关注,作为与AI技术息息相关的一门课程,从头了解基础的机器学习算法就显得十分有必要,如:梯度下降,线性回归等。 正文: 本文将讲解线性回归中多元回回归的案例 机器学习大致可以分为监督学习,非监督学习、半监督学习还…...
抓包软件fiddler和wireshark使用手册
fiddler官方文档 Fiddler 抓包教程1 Fiddler 抓包教程2 wireshark抓包学习 2添加链接描述 ip 过滤 ip.src_host ip.dst_host ip.addr mac 过滤 eth.src eth.dst eth.addr 端口过滤 tcp.port tcp.srcport tcp.dstport 协议类型过滤 arp dhcp 规则组合 and or...
初识三大 Observer
文章目录 ResizeObserver、MutationObserver和IntersectionObserver用MutationObserver实现图片懒加载MutationObserver 兼容性问题IntersectionObserver 应用MutationObserver和IntersectionObserver的区别IntersectionObserver 实例示例一:图片懒加载示例二&#…...
Eclipse MAT(Memory Analyzer Tool) 使用手册
参考:JAVA内存泄露使用MAT(Memory Analyzer Tool)快速定位代码 Eclipse MAT 1.15.0提示JDK版本最低需要使用17版本的,如果不想安装可以下载ZIP包,或者使用较低版本的MAT。 为了避免下载的17版本JDK和本地环境干扰,可以直接在MAT配…...
TongWe7.0-东方通TongWeb控制台无法访问 排查
**问题描述:**无法访问TongWeb的控制台 逐项排查: 1、控制台访问地址是否正确:http://IP:9060/console #IP是服务器的实际IP地址 2、确认TongWeb进程是否存在,执行命令:ps -ef|grep tongweb 3、确认TongWeb服务启动…...
Ariba Procurement: Administration_Master data
采购主数据集成Procurement Master Data Integration 注意:并非所有元素都是必需的,数据元素的名称可能根据ERP的不同,有所不同。 Types of Master Data Accounting 在SAP Ariba中的各种会计元素字段中,填充有效值选择列表。建…...
爬虫学习案例4
爬取猪八戒网站数据:2024-12-12 使用xpath解析元素,安装依赖库 pip install lxml使用selenium步骤我的上篇博客有提到,这里就不重复了 selenium使用博客导航 # 安装pip install lxml,使用xpath from lxml import etree import time from s…...
Angular模块化应用构建详解
文章目录 前言一、理解Angular模块(NgModule)二、创建功能模块三、懒加载模块以提高性能四、共享模块五、库模块六、最佳实践与注意事项七、案例研究:重构电子商务平台结语 前言 Angular是一款由Google支持的、用于构建动态Web应用程序的前端…...
51c大模型~合集89
我自己的原文哦~ https://blog.51cto.com/whaosoft/12815167 #OpenAI很会营销 而号称超强AI营销的灵感岛实测成效如何? OpenAI 是懂营销的,连续 12 天发布,每天一个新花样,如今刚过一半,热度依旧不减。 毫无疑问&…...
【蓝桥杯备战】Day 1
1.基础题目 LCR 018.验证回文串 给定一个字符串 s ,验证 s 是否是 回文串 ,只考虑字母和数字字符,可以忽略字母的大小写。 本题中,将空字符串定义为有效的 回文串 。 示例 1: 输入: s "A man, a plan, a canal: Panama…...
FedAdam算法:供给方信用,数据质量;更新一致性
FedAdam算法:供给方信用,数据质量;更新一致性 FedAdam算法概述 FedAdam是一种联邦学习(Federated Learning)算法。联邦学习是一种机器学习技术,它允许在多个设备或数据中心(称为客户端)上训练模型,而无需将数据集中到一个中央服务器,从而保护数据隐私。FedAdam主要用于…...
打破画布边界:为什么 AI 实时绘画正成为线下品牌营销与亲子互动的“新标配”?
AI 实时绘画已从“画完等待出图”的照片冲洗模式进化为“边画边变”的魔法镜子模式,显著提升亲子参与感与品牌记忆度。搜狐AILab“绘光织影”将延迟压缩至约 200ms、帧率达 20fps,并通过即画即印闭环,实现亲子参与时长与二次互动率双提升。 -…...
终极指南:PointNet激活函数性能大比拼 ReLU、LeakyReLU与Swish深度测试
终极指南:PointNet激活函数性能大比拼 ReLU、LeakyReLU与Swish深度测试 【免费下载链接】pointnet PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 项目地址: https://gitcode.com/gh_mirrors/po/pointnet PointNet作为3D点…...
AppScale GTS核心组件深度解析:从数据存储到任务队列
AppScale GTS核心组件深度解析:从数据存储到任务队列 【免费下载链接】gts AppScale is an easy-to-manage serverless platform for building and running scalable web and mobile applications on any infrastructure. 项目地址: https://gitcode.com/gh_mirro…...
10大决策树实现代码详解:GitHub热门项目实战
10大决策树实现代码详解:GitHub热门项目实战 【免费下载链接】awesome-decision-tree-papers A collection of research papers on decision, classification and regression trees with implementations. 项目地址: https://gitcode.com/gh_mirrors/aw/awesome-d…...
node-oauth错误处理指南:如何优雅处理认证失败和重定向
node-oauth错误处理指南:如何优雅处理认证失败和重定向 【免费下载链接】node-oauth OAuth wrapper for node.js 项目地址: https://gitcode.com/gh_mirrors/no/node-oauth 在使用node-oauth进行OAuth认证时,错误处理是确保应用稳定性和用户体验的…...
矽力杰 Silergy SY8024 双路同步降压转换器 规格书 佰祥电子
突破双路降压集成度低、小体积大电流、高频低纹波痛点!SY8024:双路 3A 输出 1.5MHz 高频的五大核心优势便携智能设备双路降压供电场景普遍存在双路供电需双芯片导致体积偏大、高频小体积方案转换效率偏低、双路独立控制与防护能力不足三大行业痛点。作为…...
破局起点:35岁危机的本质解构
在软件测试领域,35岁危机并非年龄的诅咒,而是能力模型与行业需求的结构性错位。当自动化工具覆盖80%基础用例、AI生成脚本效率超越人工时,危机核心显现为三重矛盾:技术断层危机:手工测试经验与云原生/AI测试需求脱节&a…...
企业级语音合成方案一文详解:IndexTTS-2-LLM生产落地
企业级语音合成方案一文详解:IndexTTS-2-LLM生产落地 1. 项目概述与核心价值 IndexTTS-2-LLM智能语音合成服务是一个基于先进大语言模型技术的高质量语音生成解决方案。这个系统专门为企业级应用设计,能够将文本内容实时转换为自然流畅的语音输出。 传…...
s2-pro参数调优实战:Max New Tokens提升长文本连贯性详解
s2-pro参数调优实战:Max New Tokens提升长文本连贯性详解 1. 引言 s2-pro作为Fish Audio开源的专业级语音合成模型镜像,在文本转语音领域展现出强大的能力。它不仅支持基础的文本转语音功能,还能通过参考音频实现音色复用,为语音…...
从POC到规模化:SITS2026定义的AIAgent成熟度4级演进路径,你的团队卡在哪一级?
第一章:SITS2026发布:AIAgent最佳实践指南 2026奇点智能技术大会(https://ml-summit.org) SITS2026(Smart Intelligent Task Systems 2026)正式发布《AIAgent最佳实践指南》,聚焦生产环境中可部署、可审计、可演进的…...
