淘宝API返回的空格trim()不掉，好着急好生气

烟雨平生

发布于 2024-11-23 08:20:40

9400

代码可运行

文章被收录于专栏：数字化之路数字化之路

运行总次数：0

代码可运行

全角空格\u3000

使用java.lang.String#trim不掉
使用正则\s匹配不掉

怎么处理文末有

异常了：trim()后空格还在

有空格后，后面做数据库查询时就不好操作：

用like吧，查到的数据多了；

用=吧，匹配不上。谁知道前面有几个空格。

为什么会有空格呢？已经trim过了！

复现一下

淘宝API返回的数据有空格

复现了：trim()后，空格仍然在！！！

从界面上看，也是没有空格的：

真是醉了！！

不想求甚解，用正则replace下试试

工期催得紧，没时间研究这个。

用个正则替换试一试

pictureCategory.getPictureCategoryName()
        .replaceAll("\\s","");

replaceAll后，空格仍然没有被替换掉

这个空格是个什么鬼东西？

话说，计算机上处理的任何字符都要经过编码/解码吧！

从编码的角度分析一下

要实现从 char 到 Byte的相互转换则必须编码 字符是怎么编码的？编码（Encoding）：信息从一种形式或格式转换为另一种形式或格式的过程。唐成，计算机基础篇 | 一看就懂的字符集、ASCII、GBK、UTF-8、Unicode、乱码、字符编码问题

char后面的数字就是这个字符的编码值。譬如字符“L”的编码是76 唐成，干货|RedisTemplate调lua踩了个坑

那么本次的12288代表哪个字符呢？

这个看不懂?不要紧，遇到不决,可问baidu：

原来是全角空格！！！

原因清楚了：java.lang.String#trim只处理

'\u0020' (the space character)

解决办法就是增加对全角空格\u3000的替换

pictureCategory.getPictureCategoryName()
        .replaceAll("[\\s\u3000]+", "").trim();

现在还可以问AI，以kimi为例：

一查不知道，原来还有彩蛋：

在Unicode标准中，定义了多种空格字符，用于不同的语言和格式。以下是一些常见的空格字符及其Unicode编码：

普通空格 (Space)

Unicode: U+0020
Description: 标准半角空格。
不间断空格 (Non-breaking Space)

Unicode: U+00A0
Description: 用于保持文本中单词之间的空格不被断开。
全角空格 (Full-width Space)

Unicode: U+3000
Description: 用于东亚文字，与全角字符宽度相同。
零宽度空格 (Zero Width Space)

Unicode: U+200B
Description: 用于控制文本布局，不可见。
零宽度非换行空格 (Zero Width No-break Space)

Unicode: U+FEFF
Description: 也称为字节顺序标记（Byte Order Mark, BOM），在文本流的开始处使用。
零宽度连字 (Zero Width Joiner)

Unicode: U+200D
Description: 用于连接某些字符，如阿拉伯文字。
空格 (Space)

Unicode: U+1680
Description: 也称为Ogham空格标记，用于Ogham脚本。
窄空格 (Narrow No-Break Space)

Unicode: U+202F
Description: 比普通空格窄，不换行。
半角空格 (Medium Mathematical Space)

Unicode: U+205F
Description: 用于数学公式，比普通空格宽。
六分空格 (Six-per-em Space)

Unicode: U+2002
Description: 约等于半个普通空格的宽度。
四分空格 (Four-per-em Space)

Unicode: U+2005
Description: 约等于四分之一个普通空格的宽度。
数字空格 (Figure Space)

Unicode: U+2007
Description: 用于数字之间的空格，与数字宽度相同。
这些空格字符在文本处理和排版中有着不同的用途。例如，不间断空格用于确保网址和电子邮件地址在文本中不被断开；全角空格则用于匹配日文、中文等语言中的全角字符宽度。

小结

在处理文本数据时，经常会遇到不同类型的空格字符。除了最常见的半角空格（ASCII码为32）之外，还有全角空格（Unicode编码为\u3000）。这两种空格虽然在视觉上看起来相同，但在计算机内部表示却不一样，因此在进行字符串处理时需要注意区分。

正则中的\s可以匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]，但不包含全角空格。

最后再来看看全角空格和半角空格的编码：

全角空格【中文空格】，Unicode的编码为\u3000，转换为10进制为12288 半角空格【英文空格】，Unicode的编码为\u0020，转换为10进制为32

补充一个编码与字符之间转换的小Demo，加深下理解：

public class UnicodeToChar {

    public static void main(String[] args) {
        System.out.println();
        // decode Unicode编码
        decode(12288);
        decode(80);
        decode(67);
        decode(31471);
        decode(20);
    }

    private static void decode(int unicodeCode) {
        char character = (char) unicodeCode;
        System.out.println("Unicode编码 对应的字符是: ," + character + ", 十六进制编码值：" + Integer.toHexString(unicodeCode).toUpperCase() + " 十进制编码值：" + Integer.toString(unicodeCode).toUpperCase());
    }


}