Java去除utf-8类型的空格的⽅法
问题产⽣
空格字符串是什么
最近遇到⼀个这样的问题，在⽣成的报⽂中，某个字段信息后⾯有⼀个空格，在代码中trim()下，它仍然存在。到底什么原因呢？
问题的根源
  经过多番查证，是由于utf-8中的特俗字符造成的。
  问题的根源，在于UTF-8这种编码⾥⾯，存在⼀个特殊的字符，其编码是“0xC2 0xA0”，转换成字符的时候，表现为⼀个空格，跟⼀般的半⾓空格（ASCII 0x20）⼀样，唯⼀的不同是它的宽度不会被压缩，因此⽐较多的被⽤于⽹页排版（如⾸⾏缩进之类）。⽽其他的编码⽅式如GB2312、Unicode之类并没有这样的字符，因此如果简单地进⾏编码转换，⽣成地GB2312/Unocode字符串中，这个字符就会被替换成为问号（ASCII ox3F）。
  使⽤UTF-8进⾏HTMLDecode的时候，对于语句开头的（ ），就会被⾃动转换成为这个特殊的空格，可能是判断为放在开头的空格，⼀定是⽤来排版的。在转换为其他编码之前，这个特殊的空格受到的待遇与普通的半⾓空格是⼀致的，甚⾄也会被trim()去掉。
因此，碰到这个问题的原因有两种：⼀种是在UTF-8编码下进⾏了转换，产⽣了这个字符；还有⼀种就是⽹页中直接采⽤了这个字符进⾏排版。
问题解决之法
C#代码如下：
byte[] space = new byte[]{0xc2,0xa0};
    string UTFSpace = Encoding.GetEncoding("UTF-8").GetString(space);
    HtmlStr = HtmlStr.Replace(UTFSpace," ");
Java版：
byte bytes[] = {(byte) 0xC2,(byte) 0xA0};
String UTFSpace = new String(bytes,"utf-8");
html = placeAll(UTFSpace, " ");
注意：需要强调的是，替换之前不能进⾏编码转换，⼀定要继续使⽤UTF-8编码。如果已经转换成其他编码，那么错误就已经不可逆转了。没有办法再区分这个错误的问号和正常的问号之间的差别了。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。