从字符串中删除“空”字符

Question

我正在使用一个框架，它不时返回带有“空”字符的格式错误的字符串。

“foobar”例如表示为： [,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。有没有办法从字符串中删除空字符？

我尝试像这样构建一个新字符串：

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 String .. 有问题，但我无法更改我正在使用的框架或等待他们修复它（如果这是他们框架中的错误）。我需要处理这个字符串并清理它。

有什么想法吗？

Answer 1

你可以试试replace:

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

或

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

科特林：

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

Answer 2

只需 ma​​lformedString.trim() 即可解决问题。

Answer 3

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 左右。

Answer 4

使用 Denis Tulskiy 建议的子字符串从字符串中删除 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;
}

在使用 Apache HTTPClient EntityUtil 从网络服务器读取数据时，我需要将此添加到我的代码中。网络服务器没有发送空白标记，但它在读取输入流时被拉入。原文可以在here找到。

Answer 5

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

Answer 6

它可能是NULL character，它由\0 表示。您可以通过String#trim() 摆脱它。

要确定确切的代码点，请这样做：

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

然后你可以找到确切的字符here。

---

更新：根据更新：

任何人都知道一种只包含有效字符范围而不是排除 UTF8 范围的 95% 的方法吗？

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

另一方面，您也可以只从根本上解决问题，而不是解决问题。要么更新文件以消除 BOM 标记，这是一种将 UTF-8 文件与其他现在毫无价值的文件区分开来的传统方法，要么使用识别并跳过 BOM 的Reader。另见this question。

Answer 7

在这种情况下，正则表达式是一种从不需要的 Unicode 字符中清除字符串的合适方法。

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

这会将\uFEFF-\uFFFF 范围内的所有char 替换为空字符串。

[...] 构造称为字符类，例如[aeiou] 匹配任何一个小写元音，[^aeiou] 匹配除此之外的任何一个。

您可以采用以下两种方法之一：

• replaceAll("[blacklist]", "")
• replaceAll("[^whitelist]", "")

参考文献

• regular-expressions.info

Answer 8

谢谢约翰内斯·罗塞尔。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();

任何人都知道一种只包含有效字符范围而不是排除 UTF8 范围的 95% 的方法吗？

Answer 9

向左或向右修剪会删除空格。空格前有冒号吗？

更多： a=（长）字符串[0]；将向您显示字符代码，您可以使用 replace() 或子字符串。

Answer 10

你可以像这样检查空格：

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