Jak przyciąć brak przerw w Javie?

Question

mam wprowadzisz plik wejściowy które trzeba przetworzyć i wyrzucić wszystkie biało-przestrzenie, w tym non-breaking space U+00A0 aka   (Można produkować go w Notatniku naciskając Alt a następnie wpisując z klawiatury numerycznej.) Lub dowolnej innej formy białej przestrzeni. Próbowałem już String.trim(), ale nie przycina ona U+00A0.

Czy muszę jawnie sprawdzić dla U+00A0, a następnie trim(), czy istnieje prosty sposób przycinania wszystkich białych znaków w Javie?

Answer 1

Podczas   jest non breaking space (przestrzeń, która nie chce być traktowany jako spacji) możesz przyciąć ciąg, zachowując każdy   w ciągu znaków, korzystając z prostego wyrażenia regularnego:

string.replaceAll("(^\\h*)|(\\h*$)","") 

• \h to poziomy biały znak: [ \t\xA0\u1680\u180e\u2000-\u200a\u202f\u205f\u3000]

Jeśli używasz wersji pre JDK8, trzeba jawnie użyć listę znaków zamiast \h.

Answer 2

U+0160 nie jest białą przestrzenią, więc nie zostanie przycięty. Ale możesz po prostu replace(), że znaki z spacji, a następnie zadzwoń trim(), więc zachować spacje, które są "wewnątrz" ciąg znaków.

string = string.replace('\u00A0',' ').trim() 

Istnieje three non-breaking whitespace znaki, które są wyłączone z metodą Character.isWhitespace(): \u00A0, \u2007 i \u202F, więc prawdopodobnie chcesz, aby zastąpić te zbyt.

Answer 3

Można zrobić to z guawy CharMatcher, na przykład:

CharMatcher.anyOf("\r\n\t \u00A0").trimFrom(input); 

Patrz także ten nice reference on whitespaces definition

Answer 4

Jeśli używasz Apache Commons Lang, możesz użyć strip i dodać wszystkie potrzebne znaki.

final String STRIPPED_CHARS = " \t\u00A0\u1680\u180e\u2000\u200a\u202f\u205f\u3000"; 

String s = "\u3000 \tThis str contains a non-breaking\u00A0space and a\ttab. "; 
s = StringUtils.strip(s, STRIPPED_CHARS); 
System.out.println(s); // Gives : "This str contains a non-breaking space and a tab."