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?
答案 0 :(得分:16)
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。
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。
答案 1 :(得分:13)
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
子> ]", "")
replaceAll("[^
<子> whitelist
子> ]", "")
答案 2 :(得分:4)
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。
答案 3 :(得分:2)
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?
答案 4 :(得分:1)
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。
答案 5 :(得分:0)
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。
答案 6 :(得分:0)
只需 malformedString.trim()即可解决问题。
答案 7 :(得分:0)
你可以试试replace
:
s.replace("\u200B", "")
或
s.replace("\uFEFF", "")
科特林:
s.filter { it == '\u200B' }
答案 8 :(得分:-1)
for (int i = 0; i < s.length(); i++)
if (s.charAt(i) == ' ') {
your code....
}
答案 9 :(得分:-3)
你可以检查这样的空白:
if (character.equals(' ')){ // }