Question

我正在从txt文件中读取句子并创建一系列独特的单词。首先，我逐行阅读文件。我用空格分割线条，将单词作为String数组。然后，如果单词不是我的唯一单词ArrayList，我将该单词添加到ArrayList。但是，存在一些问题。第一个是它还将空字符串添加到唯一字ArrayList。第二个是它添加相同的单词2次，当我比较这两个字符串时，它就像它们不相等。我的代码如下：

    ArrayList<String> uniqueWords = new ArrayList<>();
    Scanner scan = new Scanner(new File("input.txt"));
    while(scan.hasNext())
    {
        String []line = scan.nextLine().split("\\s+");
        for(int i = 0;i<line.length;i++)
        {
            if(uniqueWords.indexOf(line[i])==-1)
            {
                uniqueWords.add(line[i]);
            }

        }

    }

    System.out.println("0:"+uniqueWords.get(0));
    System.out.println("1:"+uniqueWords.get(1));
    System.out.println("2:"+uniqueWords.get(2));
    System.out.println("9:"+uniqueWords.get(9));
    System.out.println(uniqueWords.get(1).equalsIgnoreCase(uniqueWords.get(2)));

，输出如下：

0:
1:adalet
2:adalet
9:
false

Answer 1

如果您查看这两个String个对象解码的字节，您会看到它们不是同一个字：

第一个字符串adalet转换为：[-17, -69, -65, 97, 100, 97, 108, 101, 116]
第二个字符串adalet转换为：[97, 100, 97, 108, 101, 116]。

他们可能使用西里尔字符或其他看起来像“正常”字符但实际上不是。

<击> 修改更确切地说，第一个a是第二个字符串的标准a和第一个字符串的西里尔а。

编辑：这实际上不是西里尔文a，我道歉。它似乎是一个“隐形”角色。正如凯尔伍德正确地指出它是BOM。

Answer 2

索引1处的字符串包含BOM。它是不可见的，但它使这个字符串与另一个字符串不同。

您可以在构建列表时将其删除。

uniqueWords.add(line[i].replace("\ufeff",""));

Java比较两个字符串返回false，尽管字符串是相同的

2 个答案: