Question

我正在使用一个框架，该框架会不时地返回带有“空”字符的格式错误的字符串。

例如，“foobar”表示为： [，F，O，O，B，A，R]

第一个字符不是空格（''），因此System.out.printlin（）将返回“foobar”而不是“foobar”。然而，String的长度是7而不是6.显然这使得大多数String方法（equals，split，substring，..）无用。有没有办法从String中删除空字符？

我尝试构建一个像这样的新String：

StringBuilder sb = new StringBuilder();
for (final char character : malformedString.toCharArray()) {
  if (Character.isDefined(character)) {
    sb.append(character);
  }
}
sb.toString();

不幸的是，这不起作用。与以下代码相同：

StringBuilder sb = new StringBuilder();
for (final Character character : malformedString.toCharArray()) {
  if (character != null) {
    sb.append(character);
  }
}
sb.toString();

我也无法检查这样的空字符：

   if (character == ''){
     //
   }

显然字符串有问题..但我无法更改我正在使用的框架或等待它们修复它（如果它是框架中的错误）。我需要处理这个String并对其进行整理。

有什么想法吗？

Answer 1

可能是由\0表示的NULL character。您可以通过String#trim()删除它。

要确定准确的代码点，请执行以下操作：

for (char c : string.toCharArray()) {
    System.out.printf("U+%04x ", (int) c);
}

然后你就可以找到确切的字符here。

根据更新

更新：

任何人都知道如何只包含一系列有效字符而不是排除95％的UTF8范围？

你可以在正则表达式的帮助下做到这一点。请在此处查看@polygenelubricants的答案和this answer。

另一方面，您也可以在其根目录中修复问题，而不是解决问题。要么更新文件以摆脱BOM标记，这是将UTF-8文件与现在无价值的其他文件区分开来的传统方式，或使用识别和跳过BOM的Reader。另请参阅this question。

Answer 2

在这种情况下，正则表达式是从不需要的Unicode字符中清除字符串的合适方法。

String sanitized = dirty.replaceAll("[\uFEFF-\uFFFF]", "");

这将使用空字符串替换char范围内的所有\uFEFF-\uFFFF。

[...]构造称为字符类，例如[aeiou]匹配任何一个小写元音，[^aeiou]匹配任何内容。

您可以采取以下两种方法之一：

replaceAll("[ <子> blacklist ]", "")
replaceAll("[^ <子> whitelist ]", "")

参考

regular-expressions.info

Answer 3

使用子字符串作为Denis Tulskiy建议从字符串中删除UTF-8 BOM的一种非常简单的方法。不需要循环。只需检查标记的第一个字符，并在需要时跳过它。

public static String removeUTF8BOM(String s) {
    if (s.startsWith("\uFEFF")) {
        s = s.substring(1);
    }
    return s;
}

当使用Apache HTTPClient EntityUtil从Web服务器读取时，我需要将其添加到我的代码中。网络服务器没有发送空白标记，但是在读取输入流时它被拉入。可以找到原始文章here。

Answer 4

谢谢JohannesRössel。它实际上是'\ uFEFF'

以下代码有效：

 final StringBuilder sb = new StringBuilder();
    for (final char character : body.toCharArray()) {
       if (character != '\uFEFF') {
          sb.append(character);
       }
     }  
 final String sanitzedString = sb.toString();

任何人都知道如何只包含一系列有效字符而不是排除95％的UTF8范围？

Answer 5

向左或向右修剪去除空白区域。它是否在空间之前有一个冒号？

更多： a =（长）字符串[0];将显示char代码，你可以使用replace（）或substring。

Answer 6

这对我有用： -

    StringBuilder sb = new StringBuilder();
    for (char character : myString.toCharArray()) {
        int i = (int) character;
        if (i > 0 && i <= 256) {
            sb.append(character);
        }
    }  
    return sb.toString();

我的NULL字符的int值在8103或其他地方。

Answer 7

只需 malformedString.trim（）即可解决问题。

Answer 8

你可以试试replace：

s.replace("\u200B", "")

或

s.replace("\uFEFF", "")

科特林：

s.filter { it == '\u200B' }

Answer 9

for (int i = 0; i < s.length(); i++)
    if (s.charAt(i) == ' ') {
        your code....
    }

Answer 10

你可以检查这样的空白：

if (character.equals(' ')){ // }

从String中删除“空”字符

10 个答案:

参考