Na wydobywania jakiś html ze strony internetowej, mam pewne elementy zawierające tekst, które kończą się w nieznanym lub niedopasowanych spacją (czyli nie pasuje „\\ s”):Niezidentyfikowane biały znak w Javie
<span>Monday </span>
w Javie, aby sprawdzić, co to jest znak, robie:
String s = getTheSpanContent();
char c = s.charAt(s.length() -1);
int i = (int) c;
i wartość i wynosi: 160
Każdy wie, co to jest? I jak mogę do tego dopasować?
Dzięki
To jest non-breaking space. Zgodnie z Pattern Javadocs, \\s pasuje [ \t\n\x0B\f\r], więc musisz wyraźnie dodać \xA0 do swojego regex, jeśli chcesz go dopasować.
ok, dziękuję - to wiąże się ze źródłem html. Poniższe rozwiązanie Joela również działa. –
, więc mój regex dla dopasowania wszystkich białych spacji. brak łamania to: "[\\ s \\ xA0] +" - wydaje się działać. okrzyki za pomoc. –
to \u00A0, znany również jako non-breaking space. Jeśli znasz HTML, zrozumiesz, że jest to ta sama przestrzeń, którą reprezentuje . Najwyraźniej używa się go zamiast normalnej przestrzeni.
OK, to ma sens. Widzę w źródle - ale mój parser konwertował go na tę postać, która nie pasowała do \\ s. Pozdrawiam –
Z twojego pytania nie wynikało, że szukałeś wzorca regex pasującego do konkretnej postaci. W każdym razie, dobrze jest wiedzieć, że liczba dziesiętna 160 równa się heksadecymalnie A0, więc przecież wiesz, który kod heksadecymalny należy użyć w tabelach regex i unicode :) – BalusC
Spróbuj użyć tego, aby dopasować odstępy
Character.isSpaceChar(c) || c <= ' ';
Zrobiłem ten arkusz raz pokazać kilka różnych definicji białych znaków używanych w Javie. To dość fascynujące (jeśli jesteś dziwaczny jak ja).
http://spreadsheets.google.com/pub?key=pd8dAQyHbdewRsnE5x5GzKQ
Nawiasem mówiąc, guawy za CharMatcher.WHITESPACE tory najnowszy standard 5.x Unicode, a zatem jest często lepszym wyborem niż metody JDK.
Dopasuj jak? Czy potrzebujesz wyrażeń regularnych lub czy użyjesz innej metody. Ponadto, co próbujesz osiągnąć, dopasowując go? Możemy dać lepsze odpowiedzi z większą ilością informacji. –