Hutool NumberUtil不止是计算器：生成随机验证码、判断质数、进制转换这些场景你用过吗？

Hutool NumberUtil：被低估的数字处理瑞士军刀

在Java开发者的日常工作中，数字处理是绕不开的基础操作。从简单的加减乘除到复杂的随机数生成、进制转换，我们往往需要编写大量重复代码。Hutool的NumberUtil工具类远不止是一个"计算器"，它更像一把被低估的瑞士军刀，藏着许多能让你代码更优雅的"隐藏技能"。

1. 验证码与抽奖：随机数的艺术

随机数生成看似简单，但要确保不重复、符合业务规则却需要精心设计。NumberUtil提供了两种优雅的解决方案：

// 生成10个0-100之间的不重复随机数（返回int数组） int[] randomNumbers = NumberUtil.generateRandomNumber(0, 100, 10); // 使用Set实现的不重复随机数（返回Integer数组） Integer[] uniqueRandoms = NumberUtil.generateBySet(0, 100, 10);

在实际项目中，这些方法可以完美适配：

• 短信验证码：生成6位数字验证码

int[] smsCode = NumberUtil.generateRandomNumber(100000, 999999, 1);

• 抽奖系统：从1000个用户ID中抽取10个幸运用户

Integer[] luckyUsers = NumberUtil.generateBySet(1, 1000, 10);

注意：generateRandomNumber适合小范围随机，而generateBySet基于HashSet实现，更适合大范围不重复随机场景。

2. 质数判断：从加密到算法优化

质数判断在加密算法、哈希函数等场景中至关重要。NumberUtil的isPrimes方法提供了高性能的实现：

// 判断单个数字是否为质数 boolean isPrime = NumberUtil.isPrimes(17); // true // 筛选100以内的质数 List<Integer> primes = IntStream.rangeClosed(2, 100) .filter(NumberUtil::isPrimes) .boxed() .collect(Collectors.toList());

实际应用场景包括：

• 简易加密：选择大质数作为RSA算法的参数
• 算法优化：在需要质数的数学计算中快速验证
• 教学演示：编写质数相关的算法演示程序

性能对比（测试100万次调用）：

3. 进制转换：硬件通信与权限控制利器

进制转换在硬件通信、权限控制等场景中极为常见。NumberUtil提供了一套完整的转换工具：

// 十进制转二进制 String binary = NumberUtil.getBinaryStr(42); // "101010" // 二进制转十进制 int decimal = NumberUtil.binaryToInt("101010"); // 42 // 自定义进制转换（16进制示例） String hex = Integer.toString(255, 16); // "ff"

典型使用案例：

硬件通信协议处理

// 接收到的硬件数据（二进制字符串） String hardwareData = "11010101"; // 转换为十进制处理 int value = NumberUtil.binaryToInt(hardwareData);

权限位运算

// 定义权限：读(1)、写(2)、执行(4) int permission = NumberUtil.binaryToInt("101"); // 5=读+执行 // 检查写权限 boolean canWrite = (permission & 2) == 2;

进制转换方法对比：

4. 数字序列生成：测试数据与分页的救星

从生成测试数据到处理分页逻辑，数字序列生成是开发中的高频需求。NumberUtil的range方法家族提供了多种选择：

// 基本范围生成 int[] oddNumbers = NumberUtil.range(1, 100, 2); // 1,3,5,...,99 // 添加到现有集合 List<Integer> numbers = new ArrayList<>(Arrays.asList(1, 2, 3)); List<Integer> extended = NumberUtil.appendRange(100, 200, 5, numbers);

实用场景示例：

分页导航生成

int currentPage = 5; int totalPages = 10; // 生成当前页前后各2页的导航 int[] pageNav = NumberUtil.range( Math.max(1, currentPage-2), Math.min(totalPages, currentPage+2), 1);

测试数据准备

// 生成100个测试用户的ID int[] testUserIds = NumberUtil.range(1000, 1099, 1); // 生成间隔0.1的浮点数测试集 double[] testValues = IntStream.range(0, 10) .mapToDouble(i -> i * 0.1) .toArray();

提示：对于大数据量序列，考虑使用IntStream.rangeClosed结合并行处理提升性能。

5. 商业计算与数字格式化

商业计算对精度要求极高，NumberUtil解决了浮点数计算的精度问题：

// 精确加法 double sum = NumberUtil.add(0.1, 0.2); // 0.3 // 精确除法（保留4位小数） double quotient = NumberUtil.div(1, 3, 4); // 0.3333

数字格式化同样强大：

// 千分位格式化 String formatted = NumberUtil.decimalFormat(",###", 1234567); // "1,234,567" // 自定义文本嵌入 String speed = NumberUtil.decimalFormat("光速为每秒,###米", 299792458); // "光速为每秒299,792,458米"

格式化模式速查表：

6. 数学工具：从简单到进阶

NumberUtil还集成了各种实用的数学工具方法：

最大公约数与最小公倍数

int gcd = NumberUtil.divisor(48, 18); // 6 int lcm = NumberUtil.multiple(15, 20); // 60

阶乘与平方根

long factorial = NumberUtil.factorial(5); // 120 double sqrt = NumberUtil.sqrt(25); // 5.0

数字类型判断

boolean isNum = NumberUtil.isNumber("123.45"); // true boolean isInt = NumberUtil.isInteger("123.00"); // false boolean isDouble = NumberUtil.isDouble("123.00"); // true

这些方法虽然简单，但在实际项目中能显著减少工具类的依赖。比如在算法题解答中：

// 计算100以内所有完全平方数的和 int sum = IntStream.rangeClosed(1, 100) .filter(n -> NumberUtil.sqrt(n) % 1 == 0) .sum();

7. 实战技巧与性能考量

要充分发挥NumberUtil的威力，还需要了解一些实战技巧：

链式操作

// 计算加权平均值 double avg = NumberUtil.div( NumberUtil.add( NumberUtil.mul(score1, weight1), NumberUtil.mul(score2, weight2)), NumberUtil.add(weight1, weight2));

性能敏感场景的替代方案

// 原始方法 NumberUtil.isPrimes(n); // 优化版（预先生成质数表） private static final Set<Integer> PRIMES = IntStream.rangeClosed(2, 1000) .filter(NumberUtil::isPrimes) .boxed() .collect(Collectors.toSet()); boolean isPrime = PRIMES.contains(n);

异常处理最佳实践

try { int number = NumberUtil.binaryToInt("102"); // 包含非二进制数字 } catch (NumberFormatException e) { log.error("无效的二进制字符串", e); }

在最近的一个电商项目中，我们使用NumberUtil处理优惠券码生成、金额计算和分页导航，代码量减少了约40%，而且避免了常见的浮点数精度问题。特别是在处理跨国货币转换时，NumberUtil的精确计算保证了财务数据的准确性。