Question

编辑：已解决的答案：是一个00a0不间断的空间，而不是一个c0a0不间断的空间。

使用Apache POI将docx转换为纯文本，然后将明文读入Java并尝试解析它后，我遇到了以下问题。

输出：

" "
first characterequals SPACE OR TAB 
false
[B@5e481248
[B@66d3c617
ARRAYTOSTRING SPACE: [32]
ARRAYTOSTRING ?????: [-62, -96]

代码：

System.out.println("\t\"" + line.substring(0,1) + "\"\n\tfirst characterequals SPACE OR TAB \n\t" + (line.substring(0,1).equals(" ") 
                        || line.substring(0,1).equals("\t") ));
System.out.println(line.substring(0,1).getBytes());
System.out.println(" ".getBytes());
System.out.println("ARRAYTOSTRING SPACE: " + Arrays.toString(" ".getBytes()));
System.out.println("ARRAYTOSTRING ?????: " + Arrays.toString(line.substring(0,1).getBytes()));

String.trim（）没有摆脱它 String.replaceAll（“\ s”，“”）没有摆脱它

我正在尝试解析一份巨大的材料文件，这正在成为一个主要障碍。我不知道发生了什么或者如何与它进行交互，是否有人能够了解这里发生的事情？

Answer 1

这转换为十六进制代码c2 a0的字节，根据this answer，它是一个UTF-8编码的非中断空格。请注意，不实际上是一个空格，而\ s将不匹配。

Answer 2

这对我有用：

~#

Apache POI异常空白（已解决：\ u00A0非破坏空间）

2 个答案: