如何在Java中正确地删除字符串中的空格？

Question

JDK的String.trim()方法相当简单，只能删除ASCII控制字符。

Apache Commons的StringUtils.strip()略微好一些，但它使用了JDK的Character.isWhitespace(), 这个方法不能将非间断空格识别为空白字符。

那么，在Java中修剪字符串的最完整、Unicode兼容、安全和正确的方法是什么呢？

顺便提一下，除了commons-lang，还有比这更好的库可以用来处理这种情况吗？

- itsadok

Answer 1

谷歌最近提供了guava-libraries。它可能有你正在寻找的东西：

CharMatcher.inRange('\0', ' ').trimFrom(str)

等价于String.trim()，但您可以自定义要修剪的内容，请参阅JavaDoc。

例如，它具有自己的 WHITESPACE 定义，与 JDK 不同，并根据最新的Unicode标准进行定义，因此您需要的内容可以编写为：

CharMatcher.WHITESPACE.trimFrom(str)

- CrazyCoder

---

提示：trimAndCollapseFrom 修剪字符串的外部，同时也替换了字符串内部重复的值。 - Basil Bourque

Answer 2

我发帖后才看到这个消息：谷歌刚发布了一个名为Guava的Java核心工具库。

虽然我还没有尝试过，但据我所知，它完全符合Unicode标准：

String s = "  \t testing \u00a0"
s = CharMatcher.WHITESPACE.trimFrom(s);

- itsadok

---

哈哈，我5分钟前已经提供了相同的答案，但后来编辑了一下，包括你需要使用的确切代码，然后才看到你自己找到了答案。 - CrazyCoder

Answer 3

很难定义什么构成了空白符。有时我使用不间断空格来确保它不会被剥离。因此，很难找到一个完全符合您要求的库。

如果想要去除每个空白符，我会使用自己的trim()函数。以下是我用来检查空白符的函数：

  public static boolean isWhitespace (int ch)
  {
    if (ch == ' ' || (ch >= 0x9 && ch <= 0xD))
      return true;
    if (ch < 0x85) // short-circuit optimization.
      return false;
    if (ch == 0x85 || ch == 0xA0 || ch == 0x1680 || ch == 0x180E)
      return true;
    if (ch < 0x2000 || ch > 0x3000)
      return false;
    return ch <= 0x200A || ch == 0x2028 || ch == 0x2029
      || ch == 0x202F || ch == 0x205F || ch == 0x3000;
  }

- ZZ Coder

---

ZZ Coder说"很难找到一个完全符合您需求的库"，这不是真的！比如说你想匹配除了\u00a0（不间断空格）以外的所有空格。很简单：CharMatcher.WHITESPACE.and(CharMatcher.isNot('\u00a0')).trimFrom(input) - Kevin Bourrillion

@KevinBourrillion，我想向您表示由衷的感谢，感谢您提供了CharMatcher.WHITESPACE。在处理Unicode时，String#trim()效果非常糟糕。 - Matt Ball

Answer 4

我一直觉得trim在几乎所有场景下都表现良好。

然而，如果你真的想包含更多字符，你可以编辑commons-lang中的strip方法，不仅要测试Character.isWhitespace，还要测试Character.isSpaceChar，这似乎是缺失的。也就是说，在stripStart和stripEnd中分别添加以下行：

• while ((start != strLen) && Character.isWhitespace(str.charAt(start)))
• while ((end != 0) && Character.isWhitespace(str.charAt(end - 1)))

- João Silva

Answer 5

我对 Java 的 trim() 方法做了一些小修改，现在它支持非 ASCII 字符。这个方法运行速度比大多数实现都要快。

public static String trimAdvanced(String value) {

        Objects.requireNonNull(value);

        int strLength = value.length();
        int len = value.length();
        int st = 0;
        char[] val = value.toCharArray();

        if (strLength == 0) {
            return "";
        }

        while ((st < len) && (val[st] <= ' ') || (val[st] == '\u00A0')) {
            st++;
            if (st == strLength) {
                break;
            }
        }
        while ((st < len) && (val[len - 1] <= ' ') || (val[len - 1] == '\u00A0')) {
            len--;
            if (len == 0) {
                break;
            }
        }


        return (st > len) ? "" : ((st > 0) || (len < strLength)) ? value.substring(st, len) : value;
    }

- Ertuğrul Çetin

Answer 6

这个处理Unicode字符，不需要额外的库：

String trimmed = original.replaceAll ("^\\p{IsWhite_Space}+|\\p{IsWhite_Space}+$", "");

一个小问题是，有些相关的空格字符没有Unicode字符属性“WSpace=Y”，这些字符列在维基百科中。这些可能不会引起问题，但您可以轻松地将它们添加到字符类中。

使用almson-regex，正则表达式看起来像：

String trimmed = original.replaceAll (either (START_BOUNDARY + oneOrMore (WHITESPACE), oneOrMore (WHITESPACE) + END BOUNDARY), "");

并包括非Unicode空格中更相关的内容。

- Aleksandr Dubinsky